第1章 多目标优化问题定义与指标冲突的本质
1.1 多目标优化问题的边界定义
多目标优化问题（Multi‑objective Optimization Problem，MOP）是指在同一个系统中需要同时优化两个或两个以上相互冲突的目标函数的问题。其数学定义由决策空间、目标函数组和约束条件三个要素构成：
Minimize F(x) = [f₁(x), f₂(x), …, fₖ(x)]ᵀ
Subject to x ∈ Ω
gⱼ(x) ≤ 0, j = 1, 2, …, m
hₗ(x) = 0, l = 1, 2, …, p式中，Ω 为决策空间，x 为决策向量，k 为目标数量（k ≥ 2）。当 k = 1 时退化为单目标优化；当 k ≥ 3 时称为高维多目标优化。边界清晰是后续所有分析的前提——必须明确哪些是待优化的目标、哪些是固定约束，以及决策变量的取值范围。
边界划定三原则：
- 目标可量化：每个目标函数必须存在明确的度量指标，避免模糊描述；
- 冲突可识别：目标之间应存在至少一对竞争关系，否则问题退化为单目标优化；
- 约束可验证：所有约束条件在工程上具备可检查性，不引入隐含假设。
1.2 指标冲突的三种基本类型
指标冲突是多目标优化的核心驱动力。根据目标之间的相互作用关系，可将冲突归纳为以下三种基本类型：
| 冲突类型 | 特征描述 | 典型工程表现 |
|---|---|---|
| 竞争型冲突 | 目标间此消彼长，一个目标的改善必然导致另一个目标的恶化 | 成本 vs 质量、性能 vs 功耗、响应速度 vs 资源占用 |
| 正交型冲突 | 目标之间相互独立，改变一个目标不影响其他目标的取值 | 功能完整性 vs 界面美观度、可维护性 vs 可移植性（特定场景） |
| 混合型冲突 | 部分目标间存在竞争，部分目标间存在协同，或竞争强度随决策空间位置变化 | 大多数实际工业设计问题（如汽车设计同时优化安全性、轻量化和成本） |
识别冲突类型是选择优化策略的前提：竞争型冲突需要权衡机制，正交型冲突可以并行优化，混合型冲突则需动态识别竞争区域。
1.3 帕累托最优核心概念
帕累托最优（Pareto Optimality）是多目标优化中最核心的权衡准则，它不依赖任何主观权重，仅基于目标之间的支配关系定义。一个解 x* ∈ Ω 被称为帕累托最优，当且仅当不存在另一个解 x' ∈ Ω 使得：
- 不劣条件：对所有目标，x' 不劣于 x*，即 fᵢ(x') ≤ fᵢ(x*) 对于所有 i = 1, 2, …, k；
- 严格改进：至少有一个目标，x' 严格优于 x*，即 ∃ j ∈ {1,…,k}，fⱼ(x') < fⱼ(x*)。
所有帕累托最优解的集合构成帕累托前沿（Pareto Front），它是权衡空间的"最优边界"，决策者在此边界上进行偏好选择。
💡 直观理解：帕累托最优就像"分蛋糕"——如果已经无法在不减少他人份额的情况下增加自己的份额，就达到了帕累托最优状态。在多目标优化中，"份额"就是各个目标函数的值。
1.4 权衡空间与决策边界
权衡空间（Trade‑off Space）是指所有可行解在目标空间中的投影区域，其边界由约束条件和帕累托前沿共同定义。决策边界是权衡空间中决策者根据偏好选择的子区域，通常位于帕累托前沿的某个连续段或离散点上。权衡空间的三个关键属性：
- 完整性：包含所有可行解的目标向量，覆盖全部可能的性能组合；
- 最优边界：帕累托前沿是权衡空间的下界（最小化问题），任何优于前沿的目标向量均不可达；
- 局部密度：前沿上解的分布密度反映了优化算法在该区域的搜索能力，密度不均会影响决策质量。