실제 문제에서의 다목적 충돌
실제 연구 및 공학 문제는 목표가 하나뿐인 경우가 드뭅니다. 초임계 익형 설계를 예로 들면, 팀은 임계 버페팅 양력 계수와 순항 양항비를 동시에 향상시키면서도 구조 두께를 제어하고 피칭 모멘트, 순항 받음각 등의 제약을 충족해야 합니다. 이러한 지표는 서로 얽혀 있는 형상 및 공기역학 변수에 의해 함께 결정되므로, 하나를 개선하면 다른 하나가 악화되는 경우가 많습니다.
따라서 대부분의 경우 모든 지표에서 동시에 최적인 해는 존재하지 않으며, 존재하는 것은 일련의 트레이드오프 관계입니다. 이것이 바로 다목적 최적화의 기본적인 상황이며, 실제 복잡한 문제와 단일 목표 연습 문제의 근본적인 차이입니다.
익형 사례: 평가 비용과 탐색 범위
고정밀 CFD 시뮬레이션은 비용이 많이 들기 때문에 이를 직접 진화 루프에 포함시키는 것은 현실적이지 않습니다. 실현 가능한 방법은 먼저 501개의 고정밀 샘플로 성능 예측 모델을 학습시켜 저비용으로 후보를 선별한 후, 소수의 핵심 후보에 대해 고정밀 검증을 수행하는 것입니다. 이러한流程을 통해 최종적으로 고립된 최적해 하나가 아닌, 기본 설계 목표를 달성한 180개의 다양한 후보를 제출할 수 있습니다.
그림에서 보듯이, 후보方案 그룹은 파레토 전선을 따라 펼쳐져 서로 다른 선호도下的 이익과 비용 조합을 포괄하며, 단일 「최적」 해는 이 전선 위의 한 점에 불과합니다.
다양한 사용 가능方案을 유지하는 장기적 의의
- 支撑专家决策：도메인 전문가는 단일 해에 국한되지 않고, 임무 요구사항과 결합하여 각 후보의 이익, 비용 및 적용 조건을 비교할 수 있습니다.
- 평가 비용 관리:저비용 모델로 먼저 선별한 후 핵심 후보에 고정밀 시뮬레이션을 수행함으로써, 제한된 예산에서도 탐색 범위를 크게 확장할 수 있습니다.
- 조기 오수렴 위험 감소:선호도가 바뀌거나 제약이 갱신되거나 문제가 재정의될 때에도 方案 그룹은 조정의 여지를 남겨둡니다.
- 계승 가능한 연구 자산 형성:평가 기준, 제약 및 후보가 완전히 기록됨으로써 이번 탐색은 일회성 결론이 아니라 다음 작업의 출발점이 됩니다.
다목적 응용 전체 조망全景图把真实复杂工程中的多目标实践落到超临界翼型案例：若只优化一个指标，可能得到其他特性不可接受的单点结果，因此需先识别目标冲突并保留权衡候选。 流程上用501个高精度样本训练预测模型降低评价成本，再对关键候选校核，最终交付180个达到基本设计目标的多样化方案，支撑专家决策、控制成本并形成可继承资产。
다목적 응용 전체 조망
全景图把真实复杂工程中的多目标实践落到超临界翼型案例：若只优化一个指标，可能得到其他特性不可接受的单点结果，因此需先识别目标冲突并保留权衡候选。 流程上用501个高精度样本训练预测模型降低评价成本，再对关键候选校核，最终交付180个达到基本设计目标的多样化方案，支撑专家决策、控制成本并形成可继承资产。
