Konflik Multidimensi dan Trade-off pada Masalah Dunia Nyata

Tugas optimasi di dunia nyata jarang menyerupai contoh di buku teks: tujuan tunggal, kendala yang jelas, dan ada satu solusi optimal yang bisa dituliskan. Yang justru lazim dalam bidang teknik dan riset adalah,beberapa tujuan saling mengikat dan saling bertentangan——memperpendek waktu pengisian biasanya mengorbankan masa pakai siklus, meningkatkan performa aerodinamis sering kali menaikkan hambatan, dan memperbesar skala evaluasi menuntut biaya serta latensi. Memperbaiki satu indikator umumnya berarti harus mengalah pada indikator lain, sehingga tidak ada "optimum gratis" dalam arti global. Inilah posisi EvoX dalam menghadapi tugas nyata: bukan secepat mungkin menyerahkan satu "jawaban tunggal", melainkan mengeksplorasi secara paralel ke berbagai arah preferensi, mempertahankan sekumpulan kandidat yang beragam, dan mengembalikan keputusan akhir kepada para ahli bidang beserta kendala nyata.

I. Konflik: tujuan-tujuan sering kali tidak dapat dicapai sekaligus

Antar indikator terdapat hubungan trade-off yang nyata: meningkatkan gaya angkat sering diikuti naiknya hambatan, sementara menipiskan profil sayap menguntungkan aerodinamika tetapi melemahkan kekuatan struktur.
"Optimum" harus disertai penjelasan preferensi: sekumpulan kandidat yang sama, di bawah dua set preferensi yang berbeda — yang menekankan biaya dan yang menekankan keamanan — akan menghasilkan rekomendasi yang berbeda.
Ungkapan yang lebih tepat bukanlah "menemukan solusi optimal", melainkan "menemukan solusi trade-off yang dapat diterima dan dapat dijelaskan di bawah preferensi yang diberikan".

II. Solusi bukan satu titik, melainkan sekumpulan solusi trade-off

Himpunan solusi untuk masalah multi-tujuan disebut front Pareto: setiap titik pada front mewakili satu orientasi preferensi yang wajar, dan tidak ada tujuan yang dapat terus diperbaiki tanpa memperburuk tujuan lainnya. Solusi-solusi pada front tidak saling mendominasi, tidak ada peringkat absolut, hanya "lebih cocok di bawah preferensi apa".

III. Eksplorasi lebih diutamakan daripada konvergensi

Mempersempit terlalu dini ke satu solusi tunggal akan menghilangkan informasi struktural dari ruang solusi, sehingga sistem tidak dapat menjawab "jika kendala berubah, alternatif apa saja yang tersedia".
Keragaman populasi harus dijaga agar berbagai arah preferensi dapat disampel dan dievaluasi secara bersamaan, sehingga semua individu tidak runtuh ke satu area sempit pada front.
Nilai dari diferensiasi terletak pada kemampuan merespons perubahan: ketika kendala teknik, biaya, atau risiko disesuaikan, pengambil keputusan dapat dengan cepat beralih ke alternatif tanpa harus menyelesaikan ulang masalah.

Agar "penyebaran ke berbagai arah" ini benar-benar dapat berjalan, diperlukan fondasi komputasi yang setara. EvoX mengorganisasi kandidat, hasil evaluasi, dan status algoritma sebagai tensor yang dapat dihitung secara menyeluruh, sehingga mutasi, evaluasi, dan pembaruan status masuk sebagai satu kesatuan ke dalam graf komputasi untuk dioptimalkan melalui kompilasi; penjadwal Runtime kemudian mendistribusikan komputasi batch ke GPU, perangkat akselerasi, atau klaster terdistribusi. Justru karena paralelisasi berbasis tensor menyediakan evaluasi batch berdaya tinggi, mempertahankan populasi besar dan mencakup seluruh front menjadi pilihan yang layak secara teknis, bukan kewalahan oleh biaya evaluasi serial.

IV. Umpan balik jarang, biaya evaluasi tinggi

Evaluasi nyata berasal dari simulasi, uji bangku, atau pembuatan prototipe, dengan biaya per evaluasi yang tinggi dan sinyal yang jarang (mungkin hanya lulus/tidak lulus, atau sedikit indikator yang mengandung derau). Hal ini menuntut anggaran yang terbatas dibelanjakan pada area yang dapat memperluas ruang trade-off: mengganti sebagian evaluasi berfidelitas tinggi dengan model surrogat, mengalokasikan kuota ke kandidat yang memiliki ketidakpastian tinggi namun berpotensi memperbaiki cakupan front, serta menjaga keluasan pengambilan sampel di seluruh rentang front, bukan hanya berulang kali menyempurnakan solusi di sekitar "solusi optimal" saat ini.

V. Kepemilikan hak keputusan

Algoritma bertugas mengembangkan ruang trade-off dan menyediakan himpunan kandidat yang dapat dibandingkan; para ahli manusia bertugas membuat keputusan akhir berdasarkan preferensi skenario, regulasi, dan kendala bisnis. Keduanya tidak dapat saling menggantikan: algoritma tidak dapat menggantikan penilaian terhadap preferensi dan risiko, dan para ahli juga tidak dapat secara manual menghitung secara menyeluruh keluasan ruang trade-off.

Sudut Pandang Teknik

Menyerahkan sekumpulan solusi Pareto disertai penjelasan pemetaan "preferensi—solusi" lebih andal daripada menyerahkan satu titik yang tampak presisi: begitu kendala berubah, tim sudah memiliki alternatif yang dapat langsung diaktifkan.

Front Pareto Multi-Tujuan dan Sebaran Kandidat

Ilustrasi ini menampilkan optimasi multi-tujuan sebagai sebuah front Pareto: waktu pengisian, masa pakai, dan tujuan lain saling mengikat, memperbaiki satu hal sering berarti mengorbankan hal lain, dan solusi-solusi pada front tidak saling mendominasi. EvoX mempertahankan populasi besar melalui paralelisasi berbasis tensor, mengambil sampel ke berbagai arah preferensi, dan mempertahankan kandidat yang beragam untuk dipilih oleh pengambil keputusan sesuai kendala.

Soal 1

Mengenai front Pareto dalam optimasi multi-tujuan, manakah pernyataan berikut yang benar?

Setiap solusi pada front dapat sekaligus memperbaiki semua indikator tanpa mengorbankan tujuan lain

Front adalah satu-satunya solusi optimal global, terlepas dari preferensi

Front hanya ada pada masalah tujuan tunggal, masalah multi-tujuan tidak memiliki himpunan solusi

Front terdiri dari sekumpulan solusi trade-off yang saling tidak mendominasi, setiap titik mewakili satu orientasi preferensi yang wajar

Soal 2

Saat menghadapi tugas nyata, mengapa EvoX tidak boleh terlalu dini konvergen ke satu solusi tunggal?

Karena biaya evaluasi satu solusi pasti lebih tinggi daripada seluruh himpunan solusi

Karena daya komputasi tidak cukup, konvergensi terlalu cepat akan menyebabkan kesalahan komputasi

Karena konvergensi terlalu dini akan menghilangkan informasi struktural ruang solusi, sehingga tidak dapat dengan cepat beralih ke alternatif saat kendala atau preferensi berubah

Karena front Pareto paling banyak hanya boleh memuat tiga solusi

Soal 3

Evaluasi nyata (simulasi, uji bangku, pembuatan prototipe) mahal dan umpan baliknya jarang — apa artinya ini bagi strategi pencarian?

Sebaiknya mengabaikan pemodelan multi-tujuan dan hanya mengoptimalkan satu indikator yang paling mudah diukur

Sebaiknya menekan jumlah kandidat menjadi 1 untuk meminimalkan biaya evaluasi

Sebaiknya mencakup ruang trade-off yang lebih luas dengan anggaran evaluasi terbatas, dan menggunakan model surrogat untuk menggantikan sebagian evaluasi berfidelitas tinggi

Sebaiknya sepenuhnya mengandalkan pengambilan sampel acak, tanpa membangun model aproksimasi apa pun

Soal 4

Mengenai pembagian tugas antara algoritma dan ahli manusia dalam pengambilan keputusan multi-tujuan, manakah yang paling tepat?

Algoritma bertugas mengembangkan ruang trade-off dan menyediakan himpunan kandidat, sedangkan para ahli manusia membuat keputusan akhir berdasarkan preferensi skenario dan kendala

Manusia bertanggung jawab atas seluruh pencarian, algoritma hanya mencatat hasil

Keduanya dapat saling menggantikan, siapa pun bisa melakukannya

Algoritma bertugas memberikan satu solusi optimal tunggal, manusia hanya perlu menjalankannya sesuai instruksi

Soal 5

Dengan contoh desain profil sayap superkritis, deskripsi yang paling tepat untuk hubungan antara gaya angkat, hambatan, dan kekuatan struktur adalah?

Meningkatkan gaya angkat biasanya diikuti naiknya hambatan, sementara menipiskan profil sayap menguntungkan aerodinamika tetapi melemahkan struktur, sehingga diperlukan trade-off

Trade-off hanya tercermin pada biaya, tidak berkaitan dengan indikator aerodinamika dan struktur

Setiap indikator tidak saling memengaruhi, sehingga dapat mencapai nilai ekstrem teoretisnya masing-masing secara bersamaan

Selama waktu optimasi cukup lama, semua tujuan dapat mencapai kondisi optimal secara bersamaan

Studi Kasus: Desain Multi-Tujuan untuk Strategi Pengisian Cepat Baterai

Bacalah skenario berikut dan jawab dua pertanyaan di bawah ini.

Sebuah tim menggunakan EvoX untuk merancang strategi pengisian cepat bagi paket baterai kendaraan listrik, dengan tiga tujuan: mempersingkat waktu pengisian, memperpanjang masa pakai siklus, dan meningkatkan margin keamanan termal. Ketiganya saling bertentangan — semakin cepat pengisian, semakin banyak panas yang dihasilkan dan semakin besar penurunan masa pakai. Evaluasi nyata bergantung pada simulasi elektrokimia dan uji bangku, dengan biaya per evaluasi tinggi dan umpan balik yang jarang, sehingga tim terlebih dahulu melatih model surrogat, lalu menghasilkan himpunan strategi kandidat melalui pencarian evolusioner, dan akhirnya menyerahkannya kepada insinyur kendaraan dan baterai untuk mengambil keputusan.

1. Mengapa tim tersebut tidak seharusnya hanya menyerahkan satu kurva pengisian "optimal"? Jelaskan dari tiga sudut pandang: konflik, preferensi yang dapat berubah, dan biaya evaluasi.

Jawaban:
① Konflik: ketiga tujuan tidak dapat dicapai sekaligus; mempersingkat waktu pengisian akan menaikkan produksi panas dan mempercepat penurunan masa pakai. Setiap "optimum" hanya bisa bersifat optimal di bawah suatu kompromi tertentu; tidak ada solusi optimal yang gratis. ② Preferensi dapat berubah: pada model kendaraan, sistem kimia baterai, daya pengisi cepat, dan kebijakan garansi yang berbeda, bobot yang diberikan tim terhadap waktu pengisian dan masa pakai akan berubah; jika hanya menyimpan satu titik, begitu preferensi berubah maka pencarian harus dilakukan ulang. ③ Biaya evaluasi: evaluasi nyata mahal dan sinyalnya jarang; satu kali penyelesaian tidak menjamin cakupan seluruh ruang trade-off, sedangkan menyerahkan satu himpunan solusi yang mencakup front Pareto memungkinkan anggaran evaluasi yang sama digunakan ulang dalam berbagai keputusan berikutnya. Karena itu, hasil yang tepat adalah sekumpulan strategi kandidat yang beragam beserta penjelasan pemetaan preferensinya, bukan satu kurva.

2. Berikan sebuah alur kerja yang dapat dioperasikan untuk menjelaskan bagaimana menghasilkan kandidat yang beragam dan mencakup front Pareto dengan anggaran evaluasi terbatas, serta jelaskan siapa yang bertanggung jawab atas pemilihan titik akhir dan berdasarkan apa.

Jawaban:
Saran alur kerja: 1) Terlebih dahulu gunakan sejumlah kecil evaluasi berfidelitas tinggi dan kalibrasi parameter untuk menyusun strategi pengisian dasar beserta sampel gangguannya; 2) Latih model surrogat, dan kendalikan galat prediksi melalui validasi hold-out serta tetapkan cakupan penerapannya; 3) Aktifkan mekanisme pemeliharaan keragaman dan pengambilan sampel multi-arah di EvoX, lakukan pencarian paralel ke berbagai bobot preferensi, dan alokasikan kuota evaluasi tambahan berdasarkan cakupan front (misalnya hypervolume) ke area yang cakupannya jarang dan ketidakpastiannya tinggi, lalu ulangi secara iteratif; 4) Setelah target cakupan tercapai, keluarkan kelompok strategi kandidat, performa masing-masing tujuan, serta tabel pemetaan "preferensi—solusi"; 5) Pemilihan titik akhir menjadi tanggung jawab insinyur kendaraan dan baterai, yang berdasarkan kebutuhan jangkauan nyata, daya pengisi cepat yang tersedia, garansi dan regulasi keselamatan, serta kendala biaya, memilih dari himpunan kandidat dan melakukan penyempurnaan kecil di sekitar titik tersebut. Algoritma hanya bertugas mengembangkan ruang trade-off dan tidak dapat menggantikan keputusan preferensi.