单目标及多目标的优化领域问题

单峰函数（Single peak Function）

单峰函数是在所考虑的区间中只有一个严格局部极大值（峰值）的实值函数。
如果函数f(x)在区间[a,b]上只有唯一的最大值点c，而在c的左侧函数单调增加，在c的右侧，函数单调减少，则称这个函数为区间[a,b]的单峰函数。

单目标单峰（Single-objective Unimodal )

一般情况下maximization问题是可以和minimization问题相互转化的。(取负数即可，x*代表最优变量)

单目标单峰函数存在多个局部最优点。
二维示例：

三维示例：

该问题的挑战是：容易陷入局部最优，难以发现全局最优。

方法

多目标（Multi-objective）

即非单目标问题，目标函数由多个（2+）子目标函数组成，一个X对应多个Y。
如右图目标空间有f1，f2两个目标需要优化，是个两目标优化问题。

多模态（Multimodal）

即多个X对应一个目标函数Y的值
例如：X(2,3)->Y=0.45, X(44,7)->Y=0.45
即点（2，3）和（44，7）对应的y值均为0.45
该问题的挑战是：决策空间的多个区域的点可能会相互干扰，造成收敛困难。

多目标问题（Multi-objective optimization ）

最小化多目标优化问题定义如下

多模态多目标优化问题
满足以下两个条件之一：

1. 问题至少有一个局部帕累托最优解;

2. 问题至少有两个等效全局帕累托最优解, 它们对应PF上同一点.

方法