Многокритериальные конфликты в реальных задачах
В реальных научных и инженерных задачах редко бывает только одна цель. Возьмём для примера проектирование сверхкритического профиля крыла: команде часто приходится одновременно повышать коэффициент подъёмной силы на границе бафтинга и аэродинамическое качество в крейсерском режиме, а также контролировать толщину конструкции и соблюдать ограничения по моменту тангажа и углу атаки в крейсерском режиме. Эти показатели определяются взаимозависимыми геометрическими и аэродинамическими переменными: улучшение одного часто ухудшает другой.
Поэтому в подавляющем большинстве случаев не существует решения, оптимального одновременно по всем показателям, — существует лишь набор компромиссов. Именно в этом заключается суть многокритериальной оптимизации и принципиальное отличие реальных сложных задач от одноцелевых учебных упражнений.
Пример с профилем крыла: стоимость оценки и охват поиска
Высокоточное CFD-моделирование обходится дорого, и встраивать его напрямую в эволюционный цикл нереально. На практике сначала обучают модель прогнозирования характеристик на 501 высокоточном образце, затем с её помощью с низкими затратами отбирают кандидатов и лишь для нескольких ключевых кандидатов проводят высокоточную проверку. При таком подходе в итоге можно выдать 180 разнообразных вариантов-кандидатов, отвечающих базовым проектным целям, а не одно изолированное оптимальное решение.
Как показано на рисунке, набор вариантов-кандидатов распределяется вдоль фронта Парето и охватывает сочетания выгод и издержек при различных предпочтениях, а единственное «оптимальное» решение — лишь одна точка на этом фронте.
Долгосрочное значение сохранения разнообразных пригодных решений
- Поддержка экспертных решений:Эксперты в предметной области могут с учётом требований задачи сравнивать выгоды, издержки и условия применимости каждого кандидата, а не ограничиваться единственным ответом.
- Контроль затрат на оценку:Сначала отбор с помощью низкозатратной модели, затем высокоточное моделирование ключевых кандидатов — это значительно расширяет охват поиска при ограниченном бюджете.
- Снижение риска преждевременной ошибочной сходимости:Когда предпочтения меняются, ограничения обновляются или задача переформулируется, набор решений по-прежнему оставляет пространство для корректировки.
- Формирование преемственного научного актива:Полностью зафиксированные критерии оценки, ограничения и кандидаты делают этот этап поиска отправной точкой для следующей работы, а не разовым выводом.
Панорама применения многокритериальной оптимизацииПанорамная схема переносит многокритериальную практику из реальной сложной инженерии на пример сверхкритического профиля крыла: если оптимизировать только один показатель, можно получить единичный результат с неприемлемыми прочими характеристиками, поэтому сначала нужно выявить конфликты целей и сохранить компромиссных кандидатов. В процессе на 501 высокоточном образце обучают модель прогнозирования для снижения затрат на оценку, затем проверяют ключевых кандидатов и в итоге выдают 180 разнообразных решений, отвечающих базовым проектным целям, что поддерживает экспертные решения, контролирует затраты и формирует преемственный актив.
