4

Tối ưu đa mục tiêu và khám phá đa nghiệm

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

Trong kỹ thuật thực tế hầu như không tồn tại "nghiệm tối ưu duy nhất". Lấy ví dụ thiết kế cánh siêu tới hạn:tỷ số lực nâng/lực cản, độ bền kết cấu, biên dự trữ chống thất tốc và chi phí chế tạo/mô phỏng ràng buộc lẫn nhau; nâng cao tỷ số lực nâng/lực cản thường đồng nghĩa với việc tải trọng kết cấu và chi phí chế tạo cùng tăng. Cách đặt vấn đề đúng đắn cho bài toán này là:tối ưu đa mục tiêukhông mô tả một điểm đơn lẻ, mà mô tả và tiệm cận một biên Pareto, đồng thời giữ lại một nhóm phương án ứng viên có định hướng khác nhau, mỗi phương án có đánh đổi riêng, và giao phán đoán giá trị cuối cùng cho sở thích hoặc chuyên gia lĩnh vực ở bước sau.

Tối ưu đa mục tiêu và khám phá đa nghiệmBiên Pareto: khi các mục tiêu ràng buộc lẫn nhau, giữ lại một nhóm nghiệm ứng viên với những đánh đổi khác nhauVùng bị chi phốiMục tiêu 1: Khối lượng kết cấu (càng nhỏ càng tốt)Mục tiêu 2: Chi phí chế tạo (càng nhỏ càng tốt)Hướng cải thiệnTổng có trọng số (vô hướng hóa)Chỉ trúng một điểm trên biênbiên ParetoHướng tốt hơnChú thíchNghiệm không bị chi phối (nằm trên biên)Nghiệm bị chi phối (có thể thay thế)Điểm trúng của vô hướng hóaHướng cải thiện: tiệm cận tới tốt hơnCái giá của vô hướng hóaĐầu ra: một nghiệm tối ưu vô hướng duy nhất· Che khuất cấu trúc đánh đổi· Trọng số phải được cho trướcKhám phá đa mục tiêuĐầu ra: một nhóm nghiệm ứng viên không chi phối lẫn nhau· Vừa phải tiệm cận biên (tính hội tụ)· Vừa phải bao phủ các đoạn khác nhau (tính đa dạng)

I. Trước tiên hãy xác nhận: đây có thực sự là bài toán đa mục tiêu không

Tiền đề của khám phá đa nghiệm là "các mục tiêu thực sự xung đột". Nếu mọi mục tiêu đều có thể được cải thiện đồng thời mà không mất mát gì, bài toán suy biến thành đơn mục tiêu, việc khám phá đa nghiệm vừa không cần thiết, vừa tiêu tốn năng lực tính toán một cách vô ích. Căn cứ đánh giá không phải là "số mục tiêu lớn hơn 1", mà là:việc cải thiện một mục tiêu có nhất thiết phải đánh đổi bằng sự suy giảm của một mục tiêu khác hay không. Chỉ khi các mục tiêu ngược hướng, cái này tăng thì cái kia giảm, mới tạo thành bài toán đa mục tiêu thực sự.

II. Chi phối Pareto và biên Pareto

Tiêu chí cốt lõi là chi phối Pareto: Nghiệm A chi phối nghiệm B khi và chỉ khi A không kém B trên mọi mục tiêu (với mỗi mục tiêu i đều có fᵢ(A) ≤ fᵢ(B)), và tốt hơn một cách nghiêm ngặt trên ít nhất một mục tiêu (tồn tại j sao cho fⱼ(A) < fⱼ(B)). Bất kỳ nghiệm nào bị chi phối đều tồn tại một phương án thay thế "ít nhất bằng nó, và tốt hơn ở một điểm nào đó", do đó không có giá trị giữ lại. Tất cả các nghiệm không bị bất kỳ nghiệm nào chi phối tạo thành biên Pareto— các nghiệm trên biên không chi phối lẫn nhau; nghiệm nào phù hợp hơn phụ thuộc vào sở thích chứ không phụ thuộc vào toán học.

III. Cái giá của việc đơn mục tiêu hóa

Các phương pháp vô hướng hóa như tổng có trọng số, ràng buộc ε... nén mục tiêu vector thành một giá trị vô hướng, tiện lợi trong kỹ thuật nhưng cái giá rất cụ thể:
· Che khuất cấu trúc đánh đổi— một khi trọng số được cố định, hình dạng của biên và các hướng lựa chọn trở nên vô hình, người ra quyết định chỉ nhìn thấy một con số.
· Trọng số phải được cho trước— trong khi sở thích thực sự thường không thể hình thức hóa trước, mà thường chỉ dần rõ ràng ở giai đoạn đánh giá.
· Khả năng bao phủ bị hạn chế— tổng có trọng số thường chỉ chạm được một vài điểm riêng lẻ trên biên, một số đoạn của biên không lồi rất khó đạt tới.
Một khi bước xem xét sau đó thay đổi trọng số, toàn bộ quá trình tìm kiếm phải chạy lại, đây chính là mặt trái của "một lần khám phá đổi lấy nhiều lần tự do ra quyết định".

IV. Đánh giá mang tính hai chiều: tính hội tụ và tính đa dạng

Chất lượng của tập nghiệm đa mục tiêu phải được xem xét đồng thời ở hai khía cạnh:tính hội tụ(tập nghiệm có tiệm cận biên thực hay không) vàtính đa dạng(các nghiệm có bao phủ các đoạn khác nhau của biên hay không). Hai khía cạnh này thường kéo co lẫn nhau: một khi áp lực chọn lọc nghiêng quá mức về "tốt hơn", quần thể sẽ sụp đổ về một điểm hoặc một đoạn nhỏ trên biên, trông có vẻ hội tụ nhanh nhưng lại đánh mất thông tin đánh đổi. Do đó cần duy trì tính đa dạng của quần thể một cách tường minh, kết hợp với các áp lực chọn lọc như mật độ chen chúc, phân rã, điều khiển bằng chỉ số (như thể tích siêu khối).

V. Ý nghĩa kỹ thuật: vị trí ra quyết định đã dịch chuyển

Ý nghĩa kỹ thuật của đa mục tiêu là sự thay đổi về phân công: bộ tối ưu chỉ chịu trách nhiệm tạo ranhóm ứng viên có thể so sánh được, việc chọn phương án cuối cùng do sở thích hoặc chuyên gia lĩnh vực thực hiện, bộ tối ưu không nên hội tụ quá sớm thay cho người ra quyết định. Lý do thực tế để giữ lại nhóm ứng viên đa dạng là "phòng ngừa rủi ro" — khi sở thích chưa biết, thay đổi theo tình huống, hoặc các ràng buộc sẽ được điều chỉnh ở giai đoạn triển khai, một nhóm phương án đa dạng có giá trị hơn một "nghiệm tối ưu" duy nhất. Điều này nhất quán với cơ chế tích lũy "thay đổi ứng viên phải qua biên dịch, kiểm thử và nghiệm thu mới được chấp nhận": trước tiên giữ lại một nhóm ứng viên, sau đó để việc xác minh và sở thích quyết định ai vào phiên bản cuối cùng.

Sự tương ứng trên giao diện triển khai
Ở mức triển khai, bài toán đa mục tiêu nên được định nghĩa làhàm đánh giá trị vector(trả về nhiều giá trị mục tiêu trong một lần gọi) vàtập hợp phương án ứng viêntrong đầu ra, chứ không phải độ thích nghi vô hướng đi kèm một giá trị trả về duy nhất. Số lượng giá trị trả về của hàm đánh giá quyết định số chiều mục tiêu, cấu trúc đầu ra quyết định có giữ được tính đa dạng hay không.