Nell'evoluzione multi-obiettivo, l'ottimizzazione delle preferenzeutilizza le preferenze del decisore come segnale guida per la ricerca e la selezione, anziché effettuare una valutazione una tantum al termine della ricerca. Ciò comporta due cambiamenti strutturali: primo, non comprime in anticipo più obiettivi in un unico punteggio scalare; secondo, non restituisce un solo "ottimo", ma un insieme di soluzioni candidate che differiscono tra loro nella struttura dei trade-off, lasciando la decisione finale agli esperti di dominio.
Perché serve un gruppo di soluzioni candidate
Nei problemi multi-obiettivo non esiste una "soluzione ottima" naturalmente unica. Quando gli obiettivi sono in conflitto, il miglioramento di una soluzione su un obiettivo comporta spesso il peggioramento su un altro; le soluzioni confrontabili formano quindi unFronte ideale dei trade-off. Se gli obiettivi vengono combinati in anticipo con una somma ponderata, equivale a scegliere implicitamente un punto di compromesso al posto del decisore, senza conoscere le preferenze reali; non appena i vincoli o le preferenze cambiano, quella soluzione può perdere immediatamente valore. L'ottimizzazione delle preferenze serve a codificare nel processo di ricerca "in quale direzione si vuole guardare", concentrando le risorse di ricerca sull'area realmente rilevante.
Come le preferenze entrano nella ricerca
- Punto di riferimento: fornisce una combinazione ideale di valori obiettivo, guidando la popolazione ad avvicinarsi a quella direzione.
- Priorità degli obiettivi: dichiara quale obiettivo è meno sacrificabile, usandolo nell'ordinamento non dominato o nei criteri di eliminazione.
- Intervallo di pesi: non pesi fissi, ma un intervallo accettabile di pesi che consente la coesistenza di più compromessi.
- Feedback interattivo: gli esperti forniscono le preferenze progressivamente in più iterazioni e la ricerca si restringe di conseguenza.
Queste forme svolgono la stessa funzione:restringere l'area di interesse e aumentare l'efficienza della ricerca, anziché far collassare in anticipo l'intero spazio delle soluzioni in un unico punto.
Il cuore del gruppo di soluzioni candidate: preservare la diversità
Il valore di un gruppo di soluzioni candidate non sta nel "numero elevato", ma nel fatto chele soluzioni del gruppo sono distribuite in modo diversificato nei trade-off tra obiettivi: sono rappresentati sia l'estremo conservativo sia quello aggressivo sia la fascia intermedia, coprendo diversi modelli di compromesso. Se invece si forniscono solo alcune copie perturbate attorno alla stessa soluzione, non possono supportare alcuna decisione significativa.
La diversità non si mantiene spontaneamente. Senza interventi meccanicistici, il processo evolutivo converge naturalmente verso l'attuale regione ottimale e il gruppo di candidate degenera in una ripetizione della stessa risposta. Sono quindi necessari meccanismi come il mantenimento della distribuzione, il controllo della congestione o le strategie di archiviazione, assumendo la "dispersione" come uno degli obiettivi esplicitamente protetti.
La forma di output passa così da "singola soluzione ottima" a "gruppo di soluzioni candidate spiegabili e confrontabili": gli esperti possono scegliere combinando conoscenza di dominio e vincoli reali, e restituire il risultato della scelta al processo di ricerca come nuovo feedback.
Dispersione della distribuzione delle soluzioni candidateL'illustrazione rappresenta l'output della ricerca dopo l'ottimizzazione delle preferenze tramite punti candidati dispersi: punto di riferimento, priorità degli obiettivi, intervallo di pesi o feedback interattivo guidano il restringimento della ricerca, ma il mantenimento della distribuzione e il controllo della congestione preservano la diversità. Le soluzioni del gruppo dovrebbero coprire l'estremo conservativo, quello aggressivo e la fascia intermedia, permettendo agli esperti di compiere la scelta finale in base ai vincoli reali, anziché collassare in anticipo in un'unica soluzione.
