問題が単一の目的のみを持つ場合に限り、「最適解を見つけた」と言うことができます。しかし実際の工学的問題はほとんどそうではありません。揚力を高めれば抵抗が増し、精度を上げればコストと遅延が増大します。多目的のトレードオフにより、「良い答え」はもはや一点ではなく、互いに代替不可能なトレードオフ解の集合となります。それらが共に構成するのが Pareto フロンティアです。
「単一点最適」から「トレードオフ解集合」へ
同時に最適化すべき二つの目的を f1（例えば抵抗、コスト、遅延）および f2（例えば構造重量、エネルギー消費）とします。解 A がすべての目的で解 B より劣らず、かつ少なくとも一つの目的で厳密に優れているとき、A は 支配 B であると言います。被支配解には保持する価値がありません。逆に、二つの解が互いに他方を支配できないとき、それらは非支配の関係にあり、どちらも最終結果に残る可能性があります。すべての非支配解が Pareto フロンティアを構成します。
図上のフロンティアの各位置はそれぞれ一つの「偏り」に対応します。左上に寄るほど f1 を抑えてより大きな f2を受け入れる方向に偏ります。右下に寄れば逆になります。意思決定者が必要としているのは、フロンティア全体が表すトレードオフの空間であり、アルゴリズムが代わりに選び出したある一点ではありません。
多様性：「互いに異なる」候補をなぜ保持すべきか
- 方向のカバレッジ：異なるトレードオフ方向に沿って同時に探索してこそ、フロンティアの左上端・中段・右下端をすべて埋め尽くし、すべての候補が同じ隅に集中するのを避けられます。
- 差異の保持：多様性は「多い」ことだけでなく、「異なる」ことを求めます。ほぼ同一の二つの候補は意思決定者にとって一つと等価であり、新たなトレードオフ情報を提供できません。
- 意思決定価値：実際の選好は事後になって初めて明らかになることがよくあります。差異のある候補群を保持しておけば、「選好の重みを調整して選び直す」ことがほぼゼロコストで実現できます。
計算規模の課題：多様性は無償ではない
多様性が強いほど、探索すべき空間のカバレッジは広がり、個体群の規模は大きくなり、評価すべき候補個体の総数も増えます。目的評価が高忠実度シミュレーションに依存すると——例えば超臨界翼型の高精度空力計算は1回で数時間を要することがあります——単回の評価コストがプロセス全体の主要なボトルネックへと増幅されます。
ここから構造的な緊張関係が生じます：より広いフロンティアのカバレッジはより多くの候補とより多くの評価を要求しますが、高コストな評価が引き受け可能な規模を制限します。よくある対処法としては、代理モデルで大部分の高忠実度評価を代替する、限られた高忠実度予算をフロンティアのカバレッジ拡大に最も寄与する候補へ優先的に割り当てる、個体群規模と反復世代数の間で予算配分を再調整する、などが挙げられます。
Pareto フロンティアとトレードオフ图中展示两个冲突目标下的Pareto前沿关系：被支配解没有保留价值，互不支配的解沿前沿分布，越偏向某一端意味着压低一个目标而接受另一个目标变差。决策者真正需要的是整条权衡空间，保留结构化差异的候选才能低成本响应偏好变化，而高保真评价成本会限制可覆盖的种群与评价规模。
