Diversité évolutive et défis d'échelle de calcul

Ce n'est que lorsqu'un problème ne comporte qu'un seul objectif que l'on peut parler de « trouver une solution optimale ». Or les problèmes d'ingénierie réels n'en sont presque jamais là : augmenter la portance fait souvent grimper la traînée, et gagner en précision se paie souvent par des coûts et une latence accrus.conflits multi-objectifsfait que la « bonne réponse » n'est plus un point unique, mais tout un ensemble de solutions de compromis irremplaçables les unes par rapport aux autres — qui forment ensemble front de Pareto.

De l'« optimum ponctuel » à l'« ensemble de solutions de compromis »

Notons f₁(par exemple la traînée, le coût ou la latence) et f₂(par exemple la masse structurelle ou la consommation d'énergie) les deux objectifs à optimiser simultanément. Si la solution A n'est jamais moins bonne que la solution B sur tous les objectifs et qu'elle est strictement meilleure sur au moins un objectif, on dit que A domine B ; une solution dominée n'a aucune valeur à être conservée. À l'inverse, lorsque deux solutions ne peuvent se dominer l'une l'autre, elles sont mutuellement non dominées et peuvent toutes deux figurer dans le résultat final. L'ensemble de toutes les solutions mutuellement non dominées constitue le front de Pareto.

Chaque position sur le front du graphique correspond à un « parti pris » : plus on se rapproche du coin supérieur gauche, plus on cherche à minimiser f₁ au prix d'un f₂plus grand ; l'inverse se produit vers le coin inférieur droit. Ce dont le décideur a réellement besoin, c'est de l'espace de compromis représenté par l'ensemble du front, et non d'un point unique choisi à sa place par l'algorithme.

Diversité : pourquoi faut-il conserver des candidats « différents les uns des autres »

• Couverture des directions: une recherche simultanée dans différentes directions de compromis est indispensable pour couvrir l'extrémité supérieure gauche, le segment médian et l'extrémité inférieure droite du front, et pour éviter que tous les candidats s'entassent dans un même coin.
• Préservation de la différence: la diversité ne se limite pas au nombre, elle exige surtout la différence. Deux candidats quasi identiques équivalent à un seul pour le décideur et n'apportent aucune information de compromis nouvelle.
• Valeur décisionnelle: les préférences réelles ne se précisent souvent qu'a posteriori. Conserver un ensemble de candidats différenciés permet de « réajuster les pondérations de préférence puis choisir à nouveau » à un coût quasi nul.

Défis d'échelle de calcul : la diversité n'est pas gratuite

Plus la diversité est forte, plus l'espace à explorer est vaste, plus la taille de la population est grande et plus le nombre total de candidats à évaluer augmente. Dès que l'évaluation des objectifs repose sur une simulation haute fidélité — par exemple, un calcul aérodynamique de haute précision d'un profil supercritique peut prendre plusieurs heures — le coût d'une évaluation unique devient le principal goulot d'étranglement de l'ensemble du processus.

Il en résulte une tension structurelle :une couverture plus large du frontexige davantage de candidats et d'évaluations, tandis quedes évaluations coûteuseslimitent à leur tour l'échelle envisageable. Les approches courantes consistent notamment à : remplacer la majorité des évaluations haute fidélité par des modèles de substitution ; allouer en priorité le budget limité de haute fidélité aux candidats susceptibles d'étendre le plus la couverture du front ; et rééquilibrer la répartition du budget entre la taille de la population et le nombre de générations.