📚 课程目录第1章多目标优化基础

第1章多目标优化基础

大家好，我是老张，做了十几年优化算法的一线工程师。今天咱们聊聊多目标优化。不扯虚的，直奔主题。

你想想看，现实世界里的决策，大部分都不是只盯一个指标。举个例子，买车你既想省油又想动力强——这两个目标常常打架。

数学上，多目标优化问题长这样：

minimize   F(x) = [f₁(x), f₂(x), ..., fₖ(x)]ᵀ
subject to gᵢ(x) ≤ 0,  i = 1,…,m
           hⱼ(x) = 0,  j = 1,…,p
           x ∈ Ω

核心点：目标之间往往冲突。省油的车多数动力弱，操控好的车往往舒适性差。没有绝对“最优”的解，只有权衡。

我习惯把多目标问题想象成在多个方向上同时爬山——你不可能同时站在两个山顶。这就是它和单目标最根本的不同。

单目标优化，说白了就是找唯一最优解。多目标优化呢？解是一大堆，叫“Pareto最优解集”。

我刚开始做多目标时犯过一个低级错误：直接把两个目标加权求和变成单目标。结果权重怎么调都不对，换一组权重解就全变了。后来才明白——权重本身是主观偏好，不是方法问题。

我建议新手先别碰加权和，老老实实跑一遍NSGA-II，看看Pareto前沿长什么样，心里就有底了。

这玩意儿用处太广了。挑几个我亲身接触过的说：

工程设计：悬架要舒适也要操控，机翼要轻也要强度。我做过一个汽车悬架项目，同时优化平顺性和侧倾刚度，做了三条不同悬架形式的Pareto前沿给客户选。
金融投资：收益最大化 vs 风险最小化。现代投资组合理论就是典型双目标。
机器学习：模型精度 vs 模型复杂度（正则化），准确率 vs 推理速度。我记得调过一个人脸识别模型，要兼顾识别率和耗时，最后用多目标进化算法找到了一组平衡点。
资源分配：成本、时间、质量三目标。供应链优化常遇到。
能源管理：发电成本 vs 碳排放 vs 可靠性。

你仔细想想，凡是需要“权衡”的场景，大概率都能用多目标优化来建模。

嗯，这里要注意三个坑：

我曾经踩过的坑：有一回我直接把10个目标扔进NSGA-II，以为算法能自动找出好解。结果种群不收敛，前沿稀疏得可怜。后来才懂得，目标数超过5个时最好先降维或用偏好引导，不然算法找的是“噪声”而不是“权衡”。

这两个概念是整个多目标优化的基石。先解释一个词：支配关系。

解A支配解B，必须同时满足两个条件：

举个例子：两个目标都是越小越好。

所有不被任何其他解支配的解，构成Pareto最优解集。它们在目标空间里画出的曲线或曲面，就叫Pareto前沿。

一句话总结： Pareto前沿就是“你再也无法在不损害某个目标的前提下改善另一个目标”的那些解。

下面这张图展示了我在一个双目标设计问题中跑出来的Pareto前沿：

一个小技巧： 看Pareto前沿时，先看两端——最左边的点代表f₁最好但f₂最差，最下面的点反之。中间的则代表折中。如果前沿“弯”得厉害，说明两个目标冲突剧烈；如果接近直线，说明容易取舍。

好了，这一章的内容就到这里。多目标优化不复杂，但需要转变思维方式——别再找唯一解，而是学会欣赏一整条“权衡曲线”。后面几章我会手把手带你看Pareto前沿图，教你怎么从图里读出关键信息。

第1章 多目标优化基础