双目标帕累托优化_[动手实践]多目标优化问题（附实战教程）

问题的形式化定义

问题特点

1. 包含多个可能有冲突的目标函数
2. 希望找到能够很好平衡全部优化目标的解集

---

帕累托最优（Pareto Optimal）

具体含义

帕累托最优是指资源分配的一种理想状态。给定固有的一群人和可分配的资源，如果从一种分配状态到另一种分配状态的变化中，在没有使任何人情况变坏的前提下，使得至少一个人变得更好，这就是帕累托改善。帕累托最优状态就是不可能有更多的帕累托改善的状态；换句话说，不可能在不使得任何其他人受损失的情况下改善某些人的情况。

抽象概念理解

左图表示支配的具体含义；有图帕累托最优前沿面

• 支配（Dominance）

当

和

满足如下条件时，称

支撑

：

1. 对于所有目标函数

不比

差

2. 至少在一个目标函数上，

严格比

要好

具体解释上图中的含义：

1. 点1支配点2；
2. 点5支配点1；
3. 点5支配点2；
4. 点3支配点2；
5. 点4支配点2；
6. 点3支配点4；
7. 其余个点之间互不支配；

• 不可支配解集（Non-Dominated Solution Set）

当一个解集中任何一个解都不能被集合中其他解支配，那么称该解集为不可支配解集。

• 帕累托最优解集（Pareto-Optimal Set）

所有可行解集中的不可支配解集被称为帕累托最优解集。

• 帕累托最优前沿面（Pareto-Optimal Front）

帕累托最优解集的边界（Boundary）被称为帕累托最优前沿面。

目标函数转换---Weighted Sum Method

• 具体的目标函数形式如下：

目标函数形式

采用线性加权法，其中权重代表了每个目标函数的重要程度。但是，很难设定一个权重向量能够去获得帕累托最优解；并且在一定非凸情况不能够保证获得帕累托最优解。

帕累托最优前沿面

目标函数转换---

• 目标函数的具体格式如下：

这里，只保留了一个目标函数，其他的目标函数被设定的值约束。能够应用到凸函数和非凸函数场景下。缺点：函数需要精心选择，需要独立目标函数的最小值或最大值之内。（Keep

as an objective

, Treat

as a constraint

）