目标优化问题-类型汇总

主要针对platemo平台（进化多目标平台）下可求解优化问题类型进行汇总并介绍。
小白的个人学习记录，如果错误的地方，多多见谅。
内容引用的博客附在文中，有兴趣的同学可以点进链接继续学习。

（如果侵权内容，联系我立马删除）

所有的优化问题均具有三要素：
（1）决策变量。
（2）目标函数。
（3）约束。

单目标优化

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。

多目标优化

多目标优化问题中，同时存在多个最大化或是最小化的目标函数，并且，这些目标函数并不是相互独立的，也不是相互和谐融洽的，他们之间会存在或多或少的冲突，使得不能同时满足所有的目标函数。
由此产生帕累托最优解的概念。

注：多目标优化下，虽然有多个目标函数，但是它们共享相同的约束条件。当不同目标的约束条件不同时，无法直接进行多目标优化求解。即使可以把其作为博弈问题进行处理：（一）博弈/分别写出来它的闭式解，通过推导的方式找到两边都均衡的解。（二）把两个目标耦合成一个模型（三）使用求解器进行求解。

多目标解的求解方式：
https://blog.csdn.net/weixin_43905651/article/details/122176406

多目标与单目标的关系介绍，以及根据不同的分类标准，目标优化可以分为不同的类型：
https://blog.csdn.net/try_again_later/article/details/82704978

超多目标优化

问题含有三个以上目标函数。其余内容跟与多目标优化类似。

以上三类优化问题的求解算法性能评价指标：
https://blog.csdn.net/Lyx2019/article/details/113440219

连续优化

决策变量为实数或整数。

数学模型角度：连续优化（介绍凸优化及相关内容）：
https://blog.csdn.net/weixin_44378835/article/details/114583829
算法角度：连续优化算法的介绍：
https://zhuanlan.zhihu.com/p/404993732

二进制优化

决策变量为二进制数。
常见问题：背包问题。

背包问题及算法介绍：
https://blog.csdn.net/belous_zxy/article/details/80357450

序列优化算法

决策变量构成一个序列
常见问题：装配序列优化问题。

稀疏优化

最优解中大部分的决策变量均为零
稀疏表示是针对不确定方程组的求解问题而提出的。对不确定方程组Ax=b,A∈R^{n*m}，且n<m，在A为满秩的条件下，方程数目小于未知数的个数，方程组有无数组解。给定不同的正则约束函数，不确定性方程组的解也会有所不同。稀疏表示模型是将解的系数性作为不确定性方程组一种约束，使方程组有唯一解。

其他链接

非线性规划：
https://blog.csdn.net/qjzcy/article/details/51727741
关于优化问题分类更详细的介绍可见：
https://blog.csdn.net/Xurui_Luo/article/details/107371115