3.2多目标优化

3.2多目标优化
    最早提出多目标优化的是由Franklin在1772年提出了如何协调多目标矛盾
的这一问题中，国际上认为多目标优化问题由P areto在1896年正式提出，他将
多个在本质上不能对比的目标转变为一个单一的最优化目标[[39]。无论是在生活中
还是在科研中，经常会遇到由多个相互影响或冲突的目标组成的问题。这是一种
在一定区域内要求两个或及以上的目标都要求达到最佳的问题，也就是多目标优
化问题(Multi-Obj ective Optimization Problem , MOP ) [40]。例如:在工厂中开发
某一新产品时，通常会要求成本低、利润高、产量高和质量好等等，我们可以视
为一个含有4个目标的最优化问题。
    通俗的说，多目标优化就是用最佳的方案解决有多个相互影响或者冲突的目
标组成的问题，几乎所有实际优化问题都非常适合使用多个相互影响或冲突目标
进行建模，然后利用多目标优化解决问题。传统的多目标优化方法主要集中在将
多个目标转化为为单个目标，然后采用单目标的优化方法找到最佳解。多目标优
化一般是指找到一个能同时满足多个目标的解，然而这个解一般都是以一个集合
的形式出现，它是优化活动不可或缺的一部分，具有极大的实际重要性。由此可
得，多目标优化的目的就是找到这个解集的分布情况，并且根据具体情形选出适
合问题的最佳解。进行多目标优化的问题不会存在唯一的全局最优解，而是存在
由多个最优解组成的集合。
 

    在多目标优化问题中，由于目标之间存在一些影响、冲突或者无法对比的因
素，可能会出现某一个解在一个目标上是最佳的，而该解在其他目标上可能会出
现比较差的现象，所以对于多目标优化问题找到单一的最佳解是不太现实的，因
此通常是在一组可选的解集中找到最终解。1986年P areto基于目标优化问题提
出不受支配解集(Non-Dominated Set)的概念，其定义为:假设任何两个解SI及
S2对所有目标而言，S1均优于S2，则称S1支配(Dominated) S2，若S1没有被其
他解所支配，则S1称为非支配解(不受支配解)，一组目标函数中非支配解的
集合称为P areto最优解集[[41} o
    在解决探测与疾病有关联的多基因交互作用中的多目标优化问题时，将SNP
位点组合看作是目标的解，而最优SNP位点组合的集合就是Pareto最优解集，
即将探测最佳多基因交互作用的问题转化为求多目标函数最优解的问题。