3

Thách thức phức tạp trong thế giới thực: Đánh đổi đa mục tiêu và duy trì tính đa dạng

AI999第6课:系统级持续演化:Genesis 与软件世界的沉淀
00:00

Các vấn đề phức tạp trong thế giới thực hiếm khi có một lời giải tối ưu duy nhất. Nhiều mục tiêu kìm hãm lẫn nhau, việc cải thiện một chỉ số thường phải đánh đổi bằng sự suy giảm của các chỉ số khác. Vì vậy, hệ thống không nên hội tụ về một “đáp án tối ưu” duy nhất, mà nên giữ lại một tập hợp các phương án không bị chi phối có sự khác biệt, để mối quan hệ đánh đổi được hiển thị rõ ràng và quyết định vẫn nằm trong phán đoán của con người.

Đánh đổi đa mục tiêu: Biên Pareto và các phương án đa dạngPhương án khả thiCác phương án không chi phối lẫn nhau (biên Pareto)Hai kết cục của tính đa dạng quần thểMục tiêu 1: Hiệu suất khí động (càng lớn càng tốt)Mục tiêu 2: Độ bền kết cấu (càng lớn càng tốt)Biên Pareto: chỉ có thể tiệm cận, không thể loại bỏA thiên về độ bềnB cân bằngC thiên về hiệu suấtD lực cản cực thấpHội tụ về một điểmHội tụ sớm, mất vùng đánh đổiPhân bố đa dạngBao phủ các vùng khác nhau của biên, để chuyên gia lựa chọnKhông có thứ tự toàn phần: hướng ưu tiên định nghĩa “tốt nhất”Đa dạng là tài sản: giữ lại vùng đánh đổiThuật toán tạo lựa chọn · Chuyên gia hoàn tất đánh đổi

Xung đột mục tiêu mang tính cấu trúc, không phải vấn đề tinh chỉnh tham số

Giữa các mục tiêu như tỷ lệ lực nâng/lực cản, độ bền kết cấu, chi phí, khả năng chế tạo không tồn tại trạng thái tối ưu đồng thời. Đường cong đánh đổi (biên Pareto) chỉ có thể được tiệm cận, không thể bị loại bỏ. Các điểm xám trong hình biểu thị phương án khả thi, các điểm màu biểu thị phương án không chi phối lẫn nhau, chúng cùng nhau tạo nên biên.

Trong đa mục tiêu không có thứ tự toàn phần

Hai phương án bất kỳ có thể không chi phối lẫn nhau, “tốt nhất” phải đi kèm hướng ưu tiên mới có thể định nghĩa được. Ví dụ thiên về độ bền, thiên về hiệu suất, cân bằng và lực cản cực thấp, đều là những lựa chọn hợp lý dưới các ưu tiên khác nhau, chứ không phải một bảng xếp hạng duy nhất có thể sắp xếp tùy ý.

Phản hồi thưa thớt là trạng thái thường gặp

Trong kỹ thuật thực tế, việc đánh giá phụ thuộc vào mô phỏng hoặc đo đạc thực nghiệm tốn kém, phản hồi ít, nhiễu lớn, gradient không khả dụng, nên tìm kiếm leo đồi một điểm khó tiến triển hiệu quả. Thuật toán tiến hóa thông qua việc duy trì quần thể, dưới số lượng đánh giá ít ỏi vẫn đồng thời khám phá nhiều hướng, tránh dồn toàn bộ ngân sách vào một hướng.

Đa dạng là tài sản chứ không phải sản phẩm phụ

Một tập hợp các phương án phân tán ở các vùng khác nhau của biên tương đương với việc để quyền lựa chọn và kiến thức chuyên ngành lại cho chuyên gia, thay vì quyết định trước thay chuyên gia. Nếu chỉ theo đuổi tối ưu hiện tại, quần thể sẽ hội tụ sớm, sụp đổ mô hình, cuối cùng mất đi toàn bộ vùng đánh đổi chưa được khám phá. Hai hình nhỏ bên phải trong hình thể hiện trực quan sự khác biệt này: hội tụ một điểm co cụm thành một khối, còn phân bố đa dạng trải rộng thành biên.

Phân công trách nhiệm rõ ràng

Thuật toán chịu trách nhiệm “tạo ra một tập hợp các lựa chọn khả dụng có sự khác biệt”, chuyên gia lĩnh vực chịu trách nhiệm “hoàn tất đánh giá và đánh đổi dựa trên ưu tiên và ràng buộc”. Nhóm phương án không phải là quyết định thay con người, mà là đưa các lựa chọn có thể so sánh lên bàn.

Ví dụ kỹ thuật: Thiết kế cánh siêu tới hạn

Hiệu suất khí động, đặc tính phân kỳ lực cản, độ bền kết cấu và chi phí chế tạo kìm hãm lẫn nhau. Giá trị của EvoX không nằm ở việc đưa ra một “cánh tối ưu” duy nhất, mà ở việc xuất ra một tập hợp các họ cánh ứng viên bao phủ các vùng đánh đổi khác nhau, để kỹ sư lựa chọn theo điều kiện bay cụ thể và ràng buộc công nghệ.

Ranh giới chủ đề
Trang này trả lời “tại sao cần đánh đổi đa mục tiêu và các phương án đa dạng”; song song tensor hóa trả lời “làm sao tính nhanh hơn”; dòng MetaDE trả lời “làm sao cải thiện chính phương pháp”.