多模态多目标问题简介

多模态多目标问题简介

本人的专栏多模多目标算法，更多内容可以前往查阅，如有错误，欢迎批评指正！

与多模态单目标优化相似，多目标优化中也会出现多模态情况。在多目标优化中，从决策空间到目标空间的映射并不总是一对一的映射。因此，PS在某些情况下并不是唯一的。也就是说，可能存在多个PSs映射到同一个PF，那么这类问题称为多模态多目标优化问题。

多模态多目标

在多目标问题中存在多个全局或局部帕累托最优解集的情况。

如果一个多目标优化问题满足以下两个条件之一，那么该问题被称之为多模态多目标优化问题：

• 该问题至少有一个局部帕累托最优解集；

• 该问题至少有两个等效全局帕累托最优解，它们对应PF上同一个点。

  其中，局部帕累托最优解指不被任何邻域解支配的解；全局帕累托最优解指不被可行区域内任何解支配的解。

左侧是决策空间，右侧是目标空间，决策空间两条曲线$P{S}_1$ 和$P{S}_2$ 代表两个全局帕累托最优解集，它们映射到目标空间同一个全局帕累托前沿PF。决策空间的圆点$A_1$ 和$A_2$ 代表两个解集中的可行解，它们都映射到目标空间的圆点A。 虽然$A_1$ 和$A_2$ 在决策空间的距离较大，但是它们在目标空间的距离为零。 这是多模态多目标优化问题的一个特点也是求解的难点。

多模态多目标的意义

• 多个解集可以满足不同决策者的需求；
• 多个解集可以揭示问题的潜在特性；
• 快速由一个解集转化到另一个解集可以帮助解决动态优化问题；
• 提供多个解集可以提高找到鲁棒解的可能性；

更多内容可以前往郑州大学计算智能实验室