I problemi complessi del mondo reale raramente ammettono un'unica soluzione ottimale. Più obiettivi si vincolano a vicenda e il miglioramento di un indicatore comporta di solito il peggioramento di un altro. Pertanto, il sistema non dovrebbe convergere verso un'unica "risposta ottimale", ma dovrebbe conservare un insieme di soluzioni candidate non dominate e diversificate, rendendo espliciti i compromessi e lasciando la decisione al giudizio umano.
Il conflitto tra obiettivi è strutturale, non un problema di messa a punto dei parametri
Tra obiettivi come rapporto portanza-resistenza, resistenza strutturale, costo e producibilità non esiste un ottimo simultaneo. La curva di compromesso (fronte di Pareto) può solo essere approssimata, non eliminata. Nel diagramma i punti grigi rappresentano le soluzioni possibili, quelli colorati i candidati non dominati: insieme costituiscono il fronte.
Nel multi-obiettivo non esiste un ordine totale
Due soluzioni qualsiasi possono risultare non dominate a vicenda: il "migliore" può essere definito solo specificando una direzione di preferenza. Ad esempio, orientato alla resistenza, orientato all'efficienza, equilibrato o a resistenza minima sono tutte scelte ragionevoli in base a preferenze diverse, non voci di una singola classifica ordinabile a piacere.
Il feedback sparso è la norma
Nell'ingegneria reale la valutazione dipende da simulazioni o prove sperimentali costose: il feedback è scarso, rumoroso e il gradiente non è utilizzabile, quindi una ricerca a salita su punto singolo difficilmente procede in modo efficace. Gli algoritmi evolutivi, mantenendo una popolazione, esplorano più direzioni contemporaneamente con poche valutazioni, evitando di puntare l'intero budget su un'unica direzione.
La diversità è un valore, non un sottoprodotto
Un insieme di candidati distribuiti in diverse regioni del fronte equivale a lasciare agli esperti il diritto di scelta e la conoscenza del dominio, invece di decidere in anticipo al loro posto. Se si persegue solo l'ottimo attuale, la popolazione converge prematuramente, si verifica il collasso dei pattern e si perde infine l'intero intervallo di compromesso inesplorato. I due piccoli diagrammi a destra mostrano visivamente questa differenza: la convergenza a punto singolo collassa in un unico ammasso, mentre la distribuzione diversificata si dispiega lungo il fronte.
Una chiara divisione dei ruoli
L'algoritmo si occupa di "generare un insieme di opzioni disponibili e differenziate", mentre l'esperto del dominio si occupa di "completare la valutazione e le scelte in base a preferenze e vincoli". L'insieme di soluzioni candidate non decide al posto delle persone, ma porta sul tavolo opzioni confrontabili.
Esempio ingegneristico: progettazione di profili alari supercritici
Efficienza aerodinamica, caratteristiche di divergenza della resistenza, resistenza strutturale e costo di produzione si vincolano a vicenda. Il valore di EvoX non sta nel fornire l'unico "profilo alare ottimale", ma nel produrre una famiglia di profili candidati che coprono diversi intervalli di compromesso, tra cui gli ingegneri possono scegliere in base alle specifiche condizioni di volo e ai vincoli di processo.
Grafico a dispersione dei compromessi multi-obiettivo e distribuzione delle soluzioni candidateI punti grigi rappresentano le soluzioni possibili, mentre i candidati colorati non dominati approssimano insieme il fronte di Pareto; i due piccoli diagrammi a destra confrontano la convergenza a punto singolo che collassa in un unico ammasso con la distribuzione diversificata che si dispiega lungo il fronte. Ciò mostra che nel multi-obiettivo non esiste un ordine totale, ma solo scelte legate a una direzione di preferenza, e che l'algoritmo dovrebbe produrre gruppi di candidati che coprono diversi intervalli di compromesso, non un'unica "soluzione ottimale".
