En la evolución multiobjetivo,la optimización de preferenciasutiliza las preferencias del decisor como señal guía para la búsqueda y la selección, en lugar de aplicar una puntuación única una vez finalizada la búsqueda. Esto aporta dos cambios estructurales: primero, no comprime varios objetivos en una sola puntuación escalar de antemano; segundo, no entrega un único «solución óptima», sino un conjunto de soluciones candidatas que difieren entre sí en su estructura de compromisos, reservando la decisión final al experto del dominio.
Por qué se necesita un grupo de soluciones candidatas
En los problemas multiobjetivo no existe una «solución óptima» única natural. Cuando los objetivos entran en conflicto, la mejora de una solución en un objetivo suele implicar el empeoramiento en otro, por lo que las soluciones comparables forman unFrente ideal de compromisos. Si se combinan los objetivos de antemano mediante una suma ponderada, equivale a elegir un punto de compromiso implícito en nombre del decisor sin conocer bien sus preferencias reales; si las restricciones o las preferencias cambian, esa solución puede perder su valor de inmediato. Lo que busca la optimización de preferencias es codificar en el proceso de búsqueda «hacia dónde quiere mirar la persona», concentrando los recursos de búsqueda en la zona que realmente importa.
Cómo se incorporan las preferencias a la búsqueda
- Punto de referencia: proporciona una combinación ideal de valores de objetivo y guía a la población para que se aproxime a esa dirección.
- Prioridad entre objetivos: declara qué objetivo no debe sacrificarse, y se usa en la ordenación no dominada o en los criterios de descarte.
- Intervalo de pesos: no un peso fijo, sino un rango de pesos aceptable que permite que coexistan varios compromisos.
- Retroalimentación interactiva: el experto aporta preferencias gradualmente a lo largo de varias iteraciones, y la búsqueda se va acotando.
Todas estas formas cumplen la misma función:acotar la zona de interés y mejorar la eficiencia de la búsqueda, en lugar de colapsar todo el espacio de soluciones en un solo punto de antemano.
El núcleo del grupo de soluciones candidatas: preservar la diversidad
El valor de un grupo de soluciones candidatas no radica en su «cantidad», sino en quelas soluciones del grupo se distribuyan de forma dispersa en los compromisos entre objetivos: que haya representantes del extremo conservador, del extremo agresivo y del tramo intermedio, cubriendo distintos patrones de compromiso. Si solo se ofrecen varias copias con ligeras perturbaciones en torno a una misma solución, no pueden sustentar ninguna decisión significativa.
La diversidad tampoco se mantiene por sí sola. Si el proceso evolutivo no tiene intervención de mecanismos, converge espontáneamente hacia la región óptima actual y el grupo de candidatas acaba degenerando en una repetición de una única respuesta. Por eso se necesitan mecanismos como el mantenimiento de la distribución, el control de hacinamiento o las estrategias de archivo, que traten la «dispersión» como uno de los objetivos explícitos a proteger.
El formato de salida pasa así de «una única solución óptima» a «un grupo de soluciones candidatas explicables y comparables»: el experto puede elegir combinando el conocimiento del dominio con las restricciones reales, y devolver el resultado de su elección al proceso de búsqueda como nueva retroalimentación.
Diagrama de dispersión de soluciones candidatasLa figura representa la salida de búsqueda tras la optimización de preferencias mediante puntos candidatos dispersos: el punto de referencia, la prioridad entre objetivos, el intervalo de pesos o la retroalimentación interactiva guían el estrechamiento de la búsqueda, mientras que el mantenimiento de la distribución y el control de hacinamiento preservan la diversidad. Las soluciones del grupo deben cubrir el extremo conservador, el agresivo y el tramo intermedio, permitiendo que el experto decida con las restricciones reales en lugar de colapsar de antemano en una única solución.
