多目標優化與多解探索

真實工程幾乎沒有「唯一最佳解」。以超臨界翼型設計為例：升阻比、結構強度、失速裕度與製造／模擬成本相互牽制，提高升阻比往往意味著結構荷載與製造成本同步上升。這類問題的正確提法是：多目標優化要刻畫的不是某一個點，而是在多個彼此牽制的目標之間刻畫並逼近一條 Pareto 前沿，並保留一組取向不同、各有取捨的候選方案，把最終的價值判斷交給後續的偏好或領域專家。

一、先確認：這真的是多目標問題嗎

多解探索的前提是「目標之間確實衝突」。如果所有目標能夠被無損地同時改進，問題就退化為單目標，多解探索既無必要，也會白白耗費算力。判斷依據不是「目標個數大於 1」，而是：改善其中一個目標，是否必然以另一個目標的退化為代價。方向相反、此消彼長，才構成真正的多目標。

二、Pareto 支配與 Pareto 前沿

核心判據是 Pareto 支配：解 A 支配解 B，若且唯若 A 在所有目標上都不劣於 B（對每個目標 i 都有 fᵢ(A) ≤ fᵢ(B)），且至少在一個目標上嚴格更佳（存在 j 使 fⱼ(A) < fⱼ(B)）。任何一個被支配的解，都存在一個「至少一樣好、某處更好」的替代者，因此沒有保留價值。所有不被任何解支配的解構成 Pareto 前沿——前沿上的解彼此互不支配，誰更合適取決於偏好，而不取決於數學。

三、單目標化的代價

加權求和、ε-約束等純量化方法把向量目標壓成一個純量，工程上方便，代價卻很具體：
· 掩蓋權衡結構——權重一旦固定，前沿的形狀與備選方向就不可見，決策者只能看到一個分數。
· 權重必須事先給定——而真實偏好常常無法事先形式化，往往要到評審階段才逐步清晰。
· 覆蓋受限——加權求和通常只能取到前沿上的個別觸點，非凸前沿的部分區段難以達到。
一旦後續審查改變權重，整個搜尋就得重跑，這恰恰是「一次探索換多次決策自由」的反面。

四、評價是二維的：收斂性與多樣性

多目標解集的品質必須同時看兩件事：收斂性（解集是否逼近真實前沿）與多樣性（解是否覆蓋前沿的不同區段）。二者常常互相拉扯：選擇壓力一旦過度偏向「更好」，種群就會坍縮到前沿的某一點或某一小段，看起來收斂很快，卻把權衡資訊丟掉了。因此需要顯式維持種群多樣性，並配合擁擠度、分解、指標驅動（如超體積）等選擇壓力。

五、工程含義：決策位置發生轉移

多目標的工程含義是分工的改變：優化器只負責產出可比較的候選組，最終選型由偏好或領域專家完成，優化器不應替決策者過早收斂。保留差異化候選組的現實理由是「對沖」——當偏好未知、會隨情境變化，或約束會在落地階段被修正時，多樣化的方案組比單一「最佳解」更有價值。這與「候選修改必須通過編譯、測試與驗收才被接納」的沉澱機制一脈相承：先把一組候選保留下來，再讓驗證與偏好決定誰進入最終版本。