2. 多目标优化基础与配方问题建模

化工配方优化与单目标优化最大的区别在于：配方工程师几乎从不只追求一个指标。以涂料配方为例，既希望附着力高、耐盐雾时间长，又希望VOC含量低、原料成本可控，还要求黏度和固化时间落在施工窗口内。这些指标之间往往互相牵制——提高交联密度能改善耐溶剂性，却可能牺牲柔韧性；增加填料能降成本，却会拉低力学性能和分散稳定性。多目标优化正是用来系统处理这种"此消彼长"关系的数学框架。

要把一个配方问题交给优化算法，必须先完成三件事的建模：决策变量（我能调什么）、目标函数（我要优化什么）、约束条件（我不能违反什么）。三者共同构成一个完整的优化问题，缺一不可。

决策变量：把配方翻译成可调参数

决策变量是优化过程中允许自由取值的量，通常写成向量 x = (x₁, x₂, …, xₙ)。在配方问题中，它们一般分为两类：组分用量（如树脂质量分数、固化剂配比、填料含量、助剂添加量）和工艺参数（如固化温度、分散转速、反应时间）。选择决策变量时有两条实用原则：一是只纳入真正可调且对目标有实质影响的量，把固定配方组分当作常数；二是尽量用独立变量，避免"树脂+固化剂+填料=100%"这类线性相关导致变量冗余——通常做法是固定总质量为100份，把其中一个组分用差值表示，从而减少一个自由度。

例如某环氧防腐底漆的简化模型，取四个决策变量：树脂A质量份 x₁∈[30,50]、固化剂B质量份 x₂∈[8,16]、片状填料C质量份 x₃∈[10,30]、增韧剂D质量份 x₄∈[0,6]。其余组分（溶剂、颜填料、助剂）按固定比例补齐至100份。这样就把一个配方表压缩成了一个四维设计空间。

目标函数：把性能指标写成可计算的表达式

目标函数 fᵢ(x) 是决策变量的函数，输出待优化的性能值。工程上获取目标函数有三种途径：机理模型（如用混合规则、流变方程、固化动力学计算）、经验回归模型（用试验设计DoE拟合响应面，如二次多项式）、代理模型（用少量仿真或实验数据训练Kriging、神经网络等）。配方问题中响应面模型最常用，因为它直接来自可执行的配方试验。

假设通过一组混料试验拟合得到（以下为教学示例的合理假设，非实测数据）：

附着力  f1 = 4.2 + 0.06·x1 + 0.15·x2 - 0.02·x3 + 0.08·x4 - 0.001·x1·x2   (MPa，越大越好)
耐盐雾  f2 = 320 + 8·x2 + 3·x3 - 5·x4 - 0.12·x2²                        (h，越大越好)
成本    f3 = 12·x1 + 28·x2 + 3.5·x3 + 45·x4                            (元/kg，越小越好)
VOC     f4 = 180 - 1.2·x1 - 0.8·x3                                    (g/L，越小越好)

注意目标方向并不统一：附着力、耐盐雾是"越大越好"，成本和VOC是"越小越好"。建模时必须统一约定，通常把所有目标改写为最小化形式（对最大化目标取负号），否则后续比较解优劣时会出错。这一点在全文和图示中保持一致：统一按最小化处理。

约束条件：划定可行域

约束定义了决策变量的合法取值范围，分为三类：边界约束（如 30≤x₁≤50）、线性约束（如总质量守恒、成本上限 Σcᵢxᵢ≤预算）、非线性约束（如黏度必须落在 80~120 KU 的施工窗口、固化时间≤30 min）。约束的实质是把整个设计空间裁剪成一个"可行域"，优化只在可行域内搜索。配方问题中常见的约束还包括：某组分因法规限值不得超过阈值（如重金属、游离TDI）、某两组分比例必须满足化学计量窗口等。

Pareto最优：多目标没有唯一答案

多目标优化中，各目标通常无法同时达到最优，因此不存在"唯一最优解"。取而代之的是Pareto最优概念。称解 x^A 支配 x^B，当且仅当 x^A 在所有目标上都不劣于 x^B，且至少在一个目标上严格更优。不被任何可行解支配的解称为非支配解或Pareto最优解，它们在目标空间中构成的集合就是Pareto前沿。

直观理解：Pareto前沿上的每一个点，都代表一种"无法在不牺牲某指标的前提下继续改进另一指标"的配方方案。工程师的任务不是找唯一解，而是从前沿上挑选符合当前产品定位的方案——高端产品偏向前沿的性能端，走量产品偏向成本端。常用求解方法包括加权和法、ε-约束法，以及能一次生成整条前沿的NSGA-II等多目标进化算法。

上图左侧是建模三要素，右侧把"成本—耐盐雾"两个目标投影到平面上：红色曲线即Pareto前沿，曲线上的红点互不支配，任选其一都无法在不牺牲另一目标的情况下改进；灰色点则被前沿解支配，属于应被淘汰的方案。实际工程中，前沿上每个点都对应一组具体配方，工程师再结合订单价格、法规要求和产线能力做最终决策。

建模落地的一个关键细节

把上述模型交给求解器前，还需处理量纲问题：附着力以MPa计（约4~6），耐盐雾以小时计（约200~400），成本以元/kg计（约10~40），VOC以g/L计（约100~180）。数量级差异会让加权和法严重偏向数值大的目标，因此通常先对各目标做归一化（如除以参考值或按极差缩放），再参与加权或比较。此外，若采用加权和法，权重向量改变会得到前沿上不同位置的解，但无法获得前沿凹部上的解，此时应改用ε-约束法：固定成本上限ε，最大化耐盐雾，逐步扫描ε即可得到完整前沿。