Chỉ khi bài toán chỉ có một mục tiêu, ta mới có thể nói đến việc “tìm được một nghiệm tối ưu”. Các bài toán kỹ thuật thực tế hầu như không bao giờ như vậy: tăng lực nâng thường kéo theo lực cản tăng, nâng cao độ chính xác thường làm tăng chi phí và độ trễ.Xung đột đa mục tiêukhiến “đáp án tốt” không còn là một điểm, mà là cả một tập hợp các nghiệm đánh đổi không thể thay thế cho nhau — chúng cùng nhau tạo nên biên Pareto.
Từ “tối ưu một điểm” đến “tập nghiệm đánh đổi”
Ký hiệu hai mục tiêu cần tối ưu đồng thời là f1(ví dụ lực cản, chi phí, độ trễ) và f2(ví dụ khối lượng kết cấu, mức tiêu thụ năng lượng). Nếu nghiệm A không kém nghiệm B ở mọi mục tiêu và tốt hơn nghiêm ngặt ở ít nhất một mục tiêu, thì gọi A chi phối B; nghiệm bị chi phối không có giá trị giữ lại. Ngược lại, khi hai nghiệm không thể chi phối lẫn nhau, chúng không chi phối nhau, và cả hai đều có thể nằm trong kết quả cuối cùng. Tất cả các nghiệm không chi phối lẫn nhau tạo thành biên Pareto.
Mỗi vị trí trên biên trong hình tương ứng với một “thiên hướng”: càng về phía trên bên trái, càng thiên về việc hạ thấp f1 xuống và chấp nhận f lớn hơn2; càng về phía dưới bên phải thì ngược lại. Điều mà người ra quyết định thực sự cần là toàn bộ không gian đánh đổi mà cả đường biên đại diện, chứ không phải một điểm nào đó mà thuật toán tự chọn thay họ.
Tính đa dạng: vì sao phải giữ lại các ứng viên “khác biệt nhau”
- Bao phủ phương hướng: chỉ khi tìm kiếm đồng thời theo các hướng đánh đổi khác nhau, ta mới có thể lấp đầy cả đầu trên bên trái, đoạn giữa và đầu dưới bên phải của biên, tránh việc mọi ứng viên dồn vào cùng một góc.
- Giữ lại sự khác biệt: tính đa dạng không chỉ đòi hỏi “nhiều”, mà còn đòi hỏi “khác biệt”. Hai ứng viên gần như giống hệt nhau thì đối với người ra quyết định cũng tương đương một ứng viên, không thể cung cấp thông tin đánh đổi mới.
- Giá trị ra quyết định: sở thích thực sự thường chỉ được làm rõ sau khi mọi việc đã xong. Giữ lại một tập ứng viên có khác biệt cho phép việc “điều chỉnh trọng số sở thích rồi chọn lại” hoàn thành gần như không tốn chi phí.
Thách thức về quy mô tính toán: tính đa dạng không miễn phí
Tính đa dạng càng mạnh thì không gian cần tìm kiếm càng rộng, quy mô quần thể càng lớn, tổng số cá thể ứng viên cần đánh giá cũng càng nhiều. Một khi việc đánh giá mục tiêu phụ thuộc vào mô phỏng độ trung thực cao — ví dụ một phép tính khí động độ chính xác cao cho cánh siêu tới hạn có thể tốn hàng giờ — thì chi phí mỗi lần đánh giá sẽ bị khuếch đại thành nút thắt chính của toàn bộ quy trình.
Từ đó xuất hiện một căng thẳng mang tính cấu trúc:Độ bao phủ biên rộng hơnđòi hỏi nhiều ứng viên hơn và nhiều đánh giá hơn, trong khichi phí đánh giá đắt đỏlại giới hạn quy mô có thể đảm đương. Các hướng ứng phó phổ biến bao gồm: dùng mô hình thay thế để thay phần lớn các đánh giá độ trung thực cao; ưu tiên phân bổ ngân sách độ trung thực cao hạn chế cho các ứng viên có khả năng mở rộng độ bao phủ biên nhất; và tái phân bổ tỉ lệ ngân sách giữa quy mô quần thể và số thế hệ lặp.
Biên Pareto và sự đánh đổiHình minh họa quan hệ biên Pareto dưới hai mục tiêu xung đột: các nghiệm bị chi phối không có giá trị giữ lại, các nghiệm không chi phối lẫn nhau phân bố dọc theo biên, càng thiên về một đầu nào đó nghĩa là hạ thấp một mục tiêu và chấp nhận mục tiêu kia trở nên xấu hơn. Điều người ra quyết định thực sự cần là toàn bộ không gian đánh đổi; chỉ khi giữ lại các ứng viên có khác biệt mang tính cấu trúc mới có thể đáp ứng thay đổi sở thích với chi phí thấp, trong khi chi phí đánh giá độ trung thực cao sẽ giới hạn quy mô quần thể và đánh giá có thể bao phủ.
