Optimisation des préférences et groupe de solutions candidates

Dans l'évolution multi-objectifs,l'optimisation des préférencesutilise les préférences du décideur comme signal directeur pour la recherche et la sélection, plutôt que de procéder à une évaluation unique une fois la recherche terminée. Elle apporte deux changements structurels : premièrement, elle ne compresse pas à l'avance les multiples objectifs en un score scalaire unique ; deuxièmement, elle ne livre pas seulement une « solution optimale », mais produit un ensemble de solutions candidates qui se distinguent les unes des autres par leur structure de compromis, en réservant le dernier arbitrage aux experts du domaine.

Pourquoi un groupe de solutions candidates est nécessaire

Dans les problèmes multi-objectifs, il n'existe pas de « solution optimale » naturellement unique. Lorsque les objectifs entrent en conflit, l'amélioration d'une solution sur un objectif se paie souvent par la dégradation d'un autre ; les solutions comparables se relient donc en unFront de compromis idéal. Si l'on combine les objectifs à l'avance par une somme pondérée, cela revient à choisir, à la place du décideur, un point de compromis implicite alors que les préférences réelles sont encore inconnues ; dès que les contraintes ou les préférences changent, cette solution peut perdre immédiatement sa valeur. Le rôle de l'optimisation des préférences est d'encoder « dans quelle direction l'humain souhaite regarder » dans le processus de recherche, afin de concentrer les ressources de recherche sur la zone réellement concernée.

Comment la préférence s'intègre à la recherche

Point de référence: fournit une combinaison idéale de valeurs d'objectifs et guide la population dans cette direction.
Priorité des objectifs: déclare quel objectif ne peut pas être sacrifié, utilisé pour le tri non dominé ou les décisions d'élimination.
Intervalle de poids: non pas un poids fixe, mais une plage de poids acceptables, permettant à plusieurs compromis de coexister.
Retour d'information interactif: l'expert fournit progressivement ses préférences au fil de plusieurs itérations, et la recherche se resserre en conséquence.

Ces formes ont toutes la même fonction :resserrer la zone d'intérêt et améliorer l'efficacité de la recherche, plutôt que d'effondrer à l'avance tout l'espace des solutions en un seul point.

Le cœur du groupe de solutions candidates : la préservation de la diversité

La valeur d'un groupe de solutions candidates ne réside pas dans le « grand nombre », mais dans le fait queles solutions du groupe sont réparties de manière dispersée sur les compromis entre objectifs: les extrémités conservatrice et agressive ainsi que le segment de compromis ont chacun leurs représentants, couvrant différents modes de compromis. Si l'on ne fournit que quelques copies légèrement perturbées autour d'une même solution, elles ne peuvent étayer aucun arbitrage significatif.

La diversité ne se maintient pas non plus d'elle-même. Sans intervention mécaniste, le processus évolutif converge spontanément vers la zone optimale actuelle, et le groupe de candidats finit par dégénérer en une répétition d'une même réponse. Il faut donc des mécanismes tels que le maintien de la distribution, le contrôle de l'encombrement ou une stratégie d'archive, en faisant de la « dispersion » un objectif de protection explicite.

Délimitation des frontières

Préférer ne signifie pas décider à la place de quelqu'un, et la différence n'est pas du bruit aléatoire. Les différences entre solutions candidates doivent pouvoir s'expliquer par la structure de compromis entre objectifs — sinon, il ne s'agit que d'une diversité inutile et inexploitable.

La forme de sortie passe donc d'« une solution optimale unique » à « un groupe de solutions candidates explicables et comparables » : l'expert peut faire son choix en combinant connaissances du domaine et contraintes réelles, puis renvoyer le résultat de ce choix au processus de recherche comme un nouveau retour d'information.

Nuage de points de la distribution des solutions candidates

L'illustration représente la sortie de recherche après optimisation des préférences par des points candidats dispersés : le point de référence, la priorité des objectifs, l'intervalle de poids ou le retour d'information interactif guident le resserrement de la recherche, tandis que le maintien de la distribution et le contrôle de l'encombrement préservent la diversité. Les solutions du groupe doivent couvrir l'extrémité conservatrice, l'extrémité agressive et le segment de compromis, afin de permettre à l'expert d'arbitrer en tenant compte des contraintes réelles, plutôt que de s'effondrer à l'avance en une solution unique.

Question 1

Quelle est la différence la plus fondamentale entre l'optimisation des préférences et l'approche « chercher d'abord, puis tout noter à la fin » ?

L'optimisation des préférences encode les préférences du décideur dans le processus de recherche et de sélection, au lieu d'attendre la fin de la recherche pour effectuer une notation unique.

L'optimisation des préférences confie entièrement le choix final à l'algorithme, de manière automatique.

L'optimisation des préférences élimine les conflits entre objectifs et réduit le problème à un seul objectif.

L'optimisation des préférences ne fait que remplacer les coefficients de pondération décimaux par des entiers, sans changer la méthode de calcul.

Question 2

Dans un groupe de solutions candidates, qu'est-ce qui constitue une « différence efficace » ?

Toutes les solutions du groupe sont des copies obtenues par de légères perturbations aléatoires autour d'une même solution.

Les solutions du groupe sont dispersées sur les compromis entre objectifs, et chaque différence peut être expliquée par la structure de compromis.

Plus les différences entre les solutions du groupe sont grandes, mieux c'est, même si ces différences sont inexplicables.

Plus le nombre de solutions du groupe est élevé, mieux c'est, peu importe qu'elles se ressemblent ou non.

Question 3

Quel est le rôle principal, dans la recherche, de formes de préférence telles que le « point de référence » ou l'« intervalle de poids » ?

Remplacer toutes les fonctions objectifs, de sorte que les valeurs des objectifs n'aient plus besoin d'être calculées.

Fournir directement l'unique solution globalement optimale, achevant la recherche en une seule étape.

Resserrer la zone d'intérêt de la recherche et améliorer son efficacité, sans effondrer à l'avance l'espace des solutions en un seul point.

Garantir que les solutions candidates ne se répètent jamais.

Question 4

En l'absence de maintien de la distribution, de contrôle de l'encombrement ou de stratégie d'archive, comment le groupe de solutions candidates dégénère-t-il généralement ?

Le signal de préférence devient automatiquement inopérant et le processus de recherche s'arrête aussitôt.

Le nombre de solutions candidates augmente automatiquement et la diversité ne cesse de s'améliorer.

Les conflits entre objectifs disparaissent automatiquement et le problème devient automatiquement mono-objectif.

L'évolution converge naturellement vers la zone optimale actuelle, et le groupe de candidats devient une répétition de copies autour d'une même solution.

Question 5

Lorsque la forme de sortie passe d'« une solution optimale unique » à « un groupe de solutions candidates explicables et comparables », quel est le changement le plus direct ?

Les différences entre solutions candidates devraient être randomisées autant que possible pour élargir l'espace de choix.

Le problème est simplifié en un objectif unique et le réglage des poids n'a plus d'importance.

L'arbitrage final est réalisé par l'expert du domaine en tenant compte des contraintes réelles, et le résultat de son choix peut servir de retour d'information pour poursuivre les itérations.

L'algorithme n'a plus besoin d'aucune évaluation de fonction objectif.

Cas pratique : planification des horaires et des tournées d'une flotte de livraison urbaine

Lisez le scénario ci-dessous et répondez aux deux questions.

L'équipe de planification d'une plateforme de livraison urbaine doit générer chaque jour les horaires et les tournées de sa flotte. Elle doit simultanément arbitrer entre deux objectifs contradictoires : le coût de livraison (le plus bas possible) et le délai moyen de livraison (le plus court possible) ; elle fait également face à des contraintes strictes telles que la charge maximale, les plages horaires de restriction et le temps de travail des chauffeurs. Jusqu'à présent, l'équipe combinait les deux objectifs en une somme pondérée unique et ne produisait qu'un seul « planning optimal ». Cette fois, elle décide d'introduire l'optimisation des préférences et souhaite que le système produise un groupe de solutions candidates parmi lesquelles les experts en planification pourront choisir.

Par rapport à la simple combinaison des deux objectifs en un score par somme pondérée, qu'est-ce que l'introduction de l'optimisation des préférences change respectivement dans le « processus de recherche » et la « forme de sortie » ?

Réponse :
Sur le plan du processus de recherche : les préférences (point de référence, priorité des objectifs, intervalle de poids ou retour d'information interactif) servent de signaux de sélection et de filtrage au fil des itérations, concentrant les ressources de recherche sur les zones de compromis concernées, plutôt que de fixer d'abord un point de compromis implicite avant de lancer la recherche. Sur le plan de la forme de sortie : le résultat passe d'un point optimal unique à un groupe de solutions candidates situées dans différentes zones du front de compromis idéal, par exemple les solutions représentatives de trois trajectoires — conservatrice (priorité à la réduction des coûts), de compromis (équilibre entre coût et latence) et agressive (priorité à la réduction de la latence) — remettant le dernier arbitrage entre les mains des experts en planification.

À la fin de l'exécution, si toutes les solutions candidates présentent des valeurs de coût et de latence très proches, quelle catégorie de mécanisme suspecteriez-vous de faire défaut ? Et comment déterminer si les différences entre ces solutions sont « efficaces » ?

Réponse :
Sur le plan mécaniste : on suspecte l'absence de mécanismes de maintien de la diversité, tels que le maintien de la distribution, le contrôle de l'encombrement ou une stratégie d'archive, conduisant la population à converger vers un seul point et le groupe de candidats à dégénérer en copies répétées autour d'une même solution. Pour juger de l'efficacité : projetez les solutions candidates sur le plan « coût — latence » ; si les points sont nettement dispersés le long du front de compromis idéal et que la direction de compromis de chaque point peut être expliquée par la structure de compromis entre objectifs (par exemple, une solution a un coût plus faible mais une latence plus élevée, et inversement pour une autre), alors les différences sont efficaces ; si les points forment un amas, ou si les différences ne peuvent pas être expliquées par la structure de compromis et ne sont que des fluctuations aléatoires, il s'agit d'une diversité inefficace, et il faut ajuster la pression de sélection et la stratégie de maintien de la distribution avant de relancer l'exécution.