多目标优化蚁群算法的matlab_浅谈多目标优化

学术小白，一知半解，这个也是看了多篇文献和其他大神的总结之后从我自己的笔记中节选出来的，仅供参考。如果有什么错误的地方还望指正。

Part 0:多目标优化的概念

Part 1: 多目标优化不完全发展史

Part 2: 常用解法

Part 0:多目标优化的概念

概念：

单目标优化的情况下，只有一个目标，任何两解都可以依据单一目标比较其好坏，可以得出没有争议的最优解。

多目标化与传统的单目标优化相对。多目标优化的概念是在某个情景中在需要达到多个目标时，由于容易存在目标间的内在冲突，一个目标的优化是以其他目标劣化为代价，因此很难出现唯一最优解，取而代之的是在他们中间做出协调和折衷处理，使总体的目标尽可能的达到最优。

没有转化为单目标问题的帕累托模型：优化的结果是帕累托前沿上 （Pareto Front）取得一个最优解的集合，并选择所需要的解来优化资源配置。由于大部分社会行动都存在一系列不同的目标，多目标优化的思路目前广泛应用在工程设计，基因工程，互联网推送等等领域。

Part 1: 多目标优化不完全发展史

多目标优化的概念的初次出现是在经济学领域： 1881年，牛津大学的Professor F.Y.Edgeworth 定义了 多条件经济决策优化 （Optimum for multicriteria economic decision making）的概念以此用于其对于平衡不同顾客要求的研究中 。

几乎是同一时期，1906 年在瑞士洛桑大学的首席政治经济学教授 Vilfreto Pareto 提出了著名的帕累托优化（Pareto Optimum）理论： “只有当一个目标不得不以牺牲其他目标为条件进行优化，一个社会才达到了资源分配的最优化。” “The optimum allocation of the resources of a society is not attained so long as it is possible to make at least one individual better off in his own estimation while keeping others as well off as before in their own estimation.”

1967年 进化算法 （Evolutionary Algorithm）被 Richard S. Rosenburg 首次利用于多目标优化问题的解决中，详见他的博士论文：“Stimulation of genetic populations with biochemical properties”

1971年后， Pareto 的理论经过翻译之后在英语世界传播，在 Stadler 和Steuer 的带领下被广泛应用于应用数学 （Applied Mathematics）和 工程 （Engineering）领域。

于此同时，1985年开始，在大洋彼岸的日本Pareto优化的理论得到了学术界热烈