Na evolução multiobjetivo, aotimização de preferênciasutiliza as preferências do decisor como sinal orientador da busca e da seleção, em vez de atribuir uma pontuação única apenas após o término da busca. Isso traz duas mudanças estruturais: primeiro, não comprime vários objetivos em uma única pontuação escalar antecipadamente; segundo, não entrega apenas uma "solução ótima", mas sim um conjunto de soluções candidatas que diferem entre si na estrutura de trade-offs, reservando a decisão final ao especialista do domínio.
Por que precisamos de um conjunto de soluções candidatas
Em problemas multiobjetivo, não existe uma "solução ótima" naturalmente única. Quando os objetivos entram em conflito, a melhoria de uma solução em um objetivo geralmente tem como custo a piora em outro, de modo que soluções comparáveis formam umaFronteira ideal de trade-offs. Se os objetivos forem combinados antecipadamente por meio de uma soma ponderada, isso equivale a escolher, sem conhecer as preferências reais, um ponto de compromisso implícito em nome do decisor; caso as restrições ou preferências reais mudem, essa solução pode perder valor imediatamente. O papel da otimização de preferências é codificar "para qual direção a pessoa deseja olhar" no processo de busca, concentrando os recursos de busca na região que realmente importa.
Como as preferências entram na busca
- Ponto de referência: fornece uma combinação ideal de valores dos objetivos, orientando a população a se aproximar dessa direção.
- Prioridade dos objetivos: declara qual objetivo não pode ser sacrificado, sendo usado na ordenação de não dominância ou nos critérios de eliminação.
- Intervalo de pesos: em vez de pesos fixos, é um intervalo aceitável de pesos que permite que vários compromissos coexistam.
- Feedback interativo: o especialista fornece preferências gradualmente ao longo de várias iterações, e a busca se restringe conforme isso ocorre.
A função dessas formas é a mesma:restringir a região de interesse e aumentar a eficiência da busca, em vez de colapsar antecipadamente todo o espaço de soluções em um único ponto.
O núcleo do conjunto de soluções candidatas: preservação da diversidade
O valor de um conjunto de soluções candidatas não está em sua "quantidade", mas no fato de queas soluções do conjunto estão dispersas quanto aos trade-offs dos objetivos: há representantes na extremidade conservadora, na extremidade agressiva e no segmento intermediário, cobrindo diferentes padrões de compromisso. Se forem apenas algumas cópias com pequenas perturbações ao redor da mesma solução, elas não sustentarão nenhuma decisão significativa.
A diversidade também não se mantém naturalmente. Sem intervenção de mecanismos, o processo evolutivo converge espontaneamente para a região atualmente ótima, e o conjunto de candidatas acaba degenerando em repetições de uma única resposta. Por isso são necessários mecanismos como manutenção da distribuição, controle de aglomeração ou estratégias de arquivo, tratando a "dispersão" como um dos objetivos explicitamente protegidos.
O formato de saída, portanto, muda de "solução ótima única" para "conjunto de soluções candidatas explicáveis e comparáveis": o especialista pode fazer sua escolha combinando conhecimento de domínio e restrições reais, e enviar o resultado dessa escolha de volta ao processo de busca como uma nova rodada de feedback.
Dispersão das soluções candidatasA ilustração usa pontos candidatos dispersos para representar a saída da busca após a otimização de preferências: ponto de referência, prioridade dos objetivos, intervalo de pesos ou feedback interativo orientam o estreitamento da busca, mas a manutenção da distribuição e o controle de aglomeração preservam a diversidade. As soluções do conjunto devem cobrir a extremidade conservadora, a agressiva e o segmento intermediário, permitindo que o especialista faça a escolha final com base nas restrições reais, em vez de colapsar antecipadamente em uma única solução.
