多目标优化

1.多目标优化方法的分类：

    （1）在所谓的“不偏好”方法中，预计不会有decision-makers, 但在没有偏好信息的情况下，确定了一个中立的折中解决方案。

    （2）先验方法：首先从DM中提出偏好信息，然后找到最满意这些偏好的解决方案。

    （3）后验方法：在后验方法中，首先发现了一组代表性的帕累托最优解，然后再选择其中一组。

    （4）交互方法：在交互方法中，允许决策器迭代搜索最优先的解决方案。在交互方法的每一次迭代中，dm都得到了帕累托最优解，并描述了解决方案的改进。然后在生成新的帕累托优化解的同时考虑决策者给出的信息，以便在下一次迭代中学习。这样，dm就能了解他/她的愿望的可行性，并能集中精力解决他/她所感兴趣的解决方案。每当他/她想要的时候，dm就可以停止搜索。