4

Многоцелевая оптимизация и исследование множества решений

AI999第7课:AI Native 科研范式与 EvoX 实战切入
00:00

В реальной инженерии почти не бывает «единственного оптимального решения». Возьмём для примера проектирование сверхкритического профиля крыла:аэродинамическое качество, прочность конструкции, запас до срыва потока и затраты на производство/моделирование взаимно ограничивают друг друга: повышение аэродинамического качества, как правило, означает одновременный рост нагрузок на конструкцию и производственных затрат. Правильная постановка таких задач такова:многоцелевая оптимизациядолжна описывать не какую-то одну точку, а характеризовать и приближать фронт Паретомежду несколькими взаимно ограничивающими целями, а также сохранять набор разнонаправленных кандидатов с различными компромиссами, оставляя окончательное ценностное суждение последующим предпочтениям или экспертам в предметной области.

Многоцелевая оптимизация и исследование множества решенийФронт Парето: при взаимной ограниченности целей сохраняется набор кандидатных решений с различными компромиссамиОбласть доминируемых решенийЦель 1: масса конструкции (чем меньше, тем лучше)Цель 2: затраты на производство (чем меньше, тем лучше)Направление улучшенияВзвешенная сумма (скаляризация)Попадает лишь в одну точку на фронтефронт ПаретоНаправление к лучшемуЛегендаНедоминируемое решение (на фронте)Доминируемое решение (может быть заменено)Точка попадания скаляризацииНаправление улучшения: приближение к лучшемуЦена скаляризацииРезультат: единственное скалярное оптимальное решение· Скрывает структуру компромиссов· Веса должны задаваться заранееМногоцелевое исследованиеРезультат: набор взаимно недоминируемых кандидатов· Приближение к фронту (сходимость)· Охват различных участков (разнообразие)

I. Сначала убедимся: действительно ли это многоцелевая задача

Предпосылка исследования множества решений — «цели действительно конфликтуют». Если все цели можно одновременно улучшать без потерь, задача вырождается в одноцелевую, и исследование множества решений становится ненужным и лишь напрасно расходует вычислительные ресурсы. Критерий — не «число целей больше 1», а:обязательно ли улучшение одной цели сопровождается ухудшением другой. Только противоположные направления и взаимная уступка образуют настоящую многоцелевую задачу.

II. Доминирование по Парето и фронт Парето

Ключевой критерий — доминирование по Парето: решение A доминирует решение B тогда и только тогда, когда A не хуже B по всем целям (для каждой цели i: fᵢ(A) ≤ fᵢ(B)) и строго лучше хотя бы по одной цели (существует j, такое что fⱼ(A) < fⱼ(B)). Для любого доминируемого решения найдётся замена, «как минимум не худшая и где-то лучшая», поэтому хранить его не имеет смысла. Все решения, не доминируемые никакими другими, образуют фронт Парето— решения на фронте взаимно не доминируют; какое из них подходит лучше, зависит от предпочтений, а не от математики.

III. Цена сведения к одной цели

Методы скаляризации, такие как взвешенная сумма и ε-ограничения, сжимают вектор целей в один скаляр. Это удобно в инженерии, но цена вполне конкретна:
· Скрывает структуру компромиссов— как только веса зафиксированы, форма фронта и альтернативные направления становятся невидимыми, и лицо, принимающее решение, видит лишь одну оценку.
· Веса должны задаваться заранее— а реальные предпочтения зачастую нельзя формализовать заранее; они проясняются лишь на этапе экспертной оценки.
· Ограниченный охват— взвешенная сумма обычно позволяет достичь лишь отдельных точек на фронте, а к части участков невыпуклого фронта добраться трудно.
Если при последующей проверке веса изменятся, весь поиск придётся запускать заново — это прямая противоположность принципу «одно исследование в обмен на свободу многих решений».

IV. Оценка двумерна: сходимость и разнообразие

Качество многоцелевого множества решений нужно оценивать одновременно по двум критериям:сходимость(насколько множество решений приближается к истинному фронту) иразнообразие(охватывают ли решения различные участки фронта). Эти два критерия часто противостоят друг другу: если давление отбора чрезмерно смещается в сторону «лучше», популяция схлопывается в одну точку или небольшой участок фронта — кажется, что сходимость быстрая, но информация о компромиссах теряется. Поэтому необходимо явно поддерживать разнообразие популяции, сочетая его с давлением отбора на основе скученности, декомпозиции или метрик (например, гиперобъёма).

V. Инженерный смысл: смещение места принятия решений

Инженерный смысл многоцелевой оптимизации — изменение разделения труда: оптимизатор отвечает только за выдачусравнимой группы кандидатов, а окончательный выбор делают предпочтения или эксперты в предметной области. Оптимизатор не должен преждевременно сходиться вместо лица, принимающего решение. Практическое обоснование сохранения дифференцированной группы кандидатов — «хеджирование»: когда предпочтения неизвестны, меняются в зависимости от ситуации или ограничения корректируются на этапе внедрения, разнообразный набор решений ценнее единственного «оптимального решения». Это согласуется с механизмом накопления «изменения-кандидаты принимаются только после компиляции, тестирования и приёмки»: сначала сохраняется набор кандидатов, а затем проверка и предпочтения определяют, что войдёт в окончательную версию.

Соответствие на уровне интерфейса реализации
На уровне реализации многоцелевая задача должна определяться каквекторная функция оценки(возвращающая сразу несколько значений целей) имножество кандидатных решенийкак результат, а не скалярная приспособленность с единственным возвращаемым значением. Количество возвращаемых значений функции оценки определяет размерность целей, а структура вывода — удастся ли сохранить разнообразие.