多目标优化是指受一组约束条件的多个目标函数的最小化或最大化。示例问题包括分析设计折衷,选择最优产品或流程设计,或者需要在两个或多个冲突目标之间进行折衷的最佳解决方案的任何其他应用程序。
多目标优化的常用方法包括:
- 目标达到情况:减少线性或非线性向量函数的值以达到目标向量中给定的目标值。目标的相对重要性用权重向量表示。目标实现问题也可能受到线性和非线性的约束。
- 极小极大:最小化一组多元函数的最坏情况值,可能受线性和非线性约束。
- 帕累托前:找到非劣等的解决方案——也就是说,一万博 尤文图斯个目标的改进需要另一个目标的降低。万博 尤文图斯用直接(模式)搜索求解器或遗传算法求解。两者都可以应用于线性和非线性约束的光滑或非光滑问题。