多目标优化与帕累托前沿

1. 公式
   观察依据

   黑板上， upper-left 图的横轴标签和 lower-left 表格的列标题均显示为 OBJ_1。

2. 声音
   观察依据

   讲师提到：“一个目标函数，对吧？目标函数一。”

OBJ_1

第一个目标函数，绘制在权衡图的横轴上，并作为权重表中的一列列出。

目标函数值

1. 公式
   观察依据

   黑板上， upper-left 图的纵轴标签和 lower-left 表格的列标题均显示为 OBJ_2。

2. 声音
   观察依据

   讲师说：“还有一个，目标函数二。”

OBJ_2

第二个目标函数，绘制在权衡图的纵轴上，并作为权重表中的一列列出。

目标函数值

1. 公式
   观察依据

   方框中的方程包含 $w_1$ 乘以 OBJ_1，表格标题为 $w_1$，其取值依次为 .99、.9、.75、.5、.25、.1。

2. 声音
   观察依据

   讲师指出，每个选定的目标函数都乘以一个代表其重要性的权重。

$w_1$

加权和公式中分配给第一个目标函数的权重；该权重在表格各行中变化。

权重参数

1. 公式
   观察依据

   方框中的等式包含 ($1-w_1$) 乘以 OBJ_2。

2. 声音
   观察依据

   讲师指出，第二个权重通常为该权重的补数，即一减去该权重。

1. 符号 $w_2$ 并未在方框公式中显式写出；它在其中以 ($1-w_1$) 的形式表示。

$w_2$

分配给第二个目标的权重，用语言表述为 $1-w_1$。

权重参数

1. 公式
   观察依据

   方框中的等式以 J = … 开头，左下角表格有一列标为 J。

2. 声音
   观察依据

   讲师说：“此处的目标函数 J 将是第一个与第二个目标的加权和。”

J

用于对每个选定权重下的解进行排序或映射的聚合加权目标函数。

标量化目标值

1. 图示
   观察依据

   一条紫色曲线连接了 OBJ_1-OBJ_2 平面上的若干标记点。

2. 声音
   观察依据

   讲师称，对不同权重映射解会得到“这类权衡曲线”。

trade-off curve

当权重 $w_1$ 变化时，由相应最优解在目标空间中形成的曲线。

目标空间中的解点集合

1. 公式
   观察依据

   黑板反复将横轴标记为 OBJ_1，教师称其为“目标一”。

2. 声音
   观察依据

   在 00:00:06.000-00:00:13.000，他指出最小化目标二是以牺牲目标一为代价的。

OBJ_1

第一个目标值绘制在横轴上；在本例中为需最小化的成本。

数值型目标值

1. 公式
   观察依据

   黑板将纵轴标记为 OBJ_2，并在附近标注“min”。

2. 声音
   观察依据

   在 00:00:00.000-00:00:06.000，他指出最小化目标一是以牺牲目标二为代价的。

OBJ_2

第二个目标值绘制在纵轴上；在本例中为学生总出行距离，同样需最小化。

数值型目标值

1. 公式
   观察依据

   右下角方框内的公式为 J = ($w_1$ · OBJ_1) + ($1-w_1$) · OBJ_2。

2. 图示
   观察依据

   图下方的表格列标题为 $w_1$、J、OBJ_1、OBJ_2。

J

标量化组合目标由两个目标的加权和构成。

标量型目标值

1. 公式
   观察依据

   方框公式使用 $w_1$ 和 ($1-w_1$)。

2. 图示
   观察依据

   左侧注释依次列出 $w_1$=.99、.9、.75、.5、.25、.1、.01、.001。

$w_1$

分配给 OBJ_1 的权重参数；其在标量化目标函数中对 OBJ_2 的互补权重为 $1-w_1$。

权重参数的取值范围从接近 0 到接近 1。

1. 声音
   观察依据

   在 00:02:05.000-00:02:13.000 处，他说道：“这里所有区域都是可行域……这里所有区域都是可行的。”

2. 图示
   观察依据

   他在第二张图中虚线曲线的上方/右方区域内写下“feasible”（可行）。

feasible

目标值平面上可实现解点构成的区域。

在 (OBJ_1, OBJ_2) 平面上的区域。

1. 图示
   观察依据

   右侧图像的纵轴标注为“obj 1”。

obj 1

右侧目标空间图中第一个目标函数坐标。

所绘制目标空间中的坐标轴标签；未说明数值范围。

1. 声音
   观察依据

   讲师介绍了“多目标优化”，并指出可能存在多个目标。

2. 公式
   观察依据

   黑板标题为“多目标优化”，其后写着“多个目标函数。”

视频将多目标优化定义为具有多个目标函数的优化问题，以此区别于此前仅含单一目标函数的例子。

1. 需要考虑多个目标函数。

1. 声音
   观察依据

   讲师列举了若干目标，例如最小化成本、最大化可达性、最大化覆盖范围以及最小化出行距离，并指出这些目标通常相互冲突，但并非总是如此。

2. 公式
   观察依据

   黑板上列出了“最小化成本”、“最大化可达性”、“最大化覆盖范围”和“最小化出行距离”，并在大括号旁注明：“通常相互冲突，但并非总是如此。”

讲座给出了空间优化中目标的应用实例，并指出多个目标往往朝相反方向牵引，尽管这种冲突并非在所有情况下都必然发生。

1. 适用于同时考虑多个目标的多目标问题。

1. 多目标优化的定义

1. 声音
   观察依据

   讲师称该方法为加权目标法，并解释说每个目标均乘以一个权重，该权重代表其重要程度。

2. 公式
   观察依据

   黑板上的方框方程为 J = ($w_1$ · OBJ_1) + ($1-w_1$) · OBJ_2。

3. 字幕依据
   观察依据

   一个叠加图标注此处为“通用形式（w = 权重）”，另一个叠加图将各因子标为“权重”。

对于双目标问题，视频通过以 $w_1$ 加权 OBJ_1、以 $2-w_1$ 加权 OBJ_1，将两个目标合并为单一标量目标 J，并通过改变 $w_1$ 来探索不同解。

1. 正在合并两个目标。

2. 第二个权重取为 $1-w_1$。

3. 尝试不同的 $w_1$ 值，以观察解如何变化。

1. 多目标优化的定义

1. 声音
   观察依据

   讲师指出，基本方法是先建立一张表格，列出不同的 $w_1$ 值，并记住 $w_2$ 为 $1-w_1$，然后计算加权和 J。

2. 公式
   观察依据

   左下角表格的表头为 $w_1$、J、OBJ_1、OBJ_2，且可见的 $w_1$ 值为 .99、.9、.75、.5、.25、.1。

3. 图示
   观察依据

   讲师一边在表格与图像之间指点，一边解释每个权重对应一个解点。

1. 在当前画面中，J、OBJ_1 和 OBJ_2 对应的表格单元格均显示为短横线，因此本片段中实际未填入任何数值。

视频介绍了一种实用方法：在表格中列出候选权重 $w_1$，通过加权和计算聚合目标函数 J，并记录每个权重对应的 OBJ_1 和 OBJ_2 目标值。

1. 使用一组候选权重 $w_1$。

2. 对每个权重计算 J。

3. 记录所得解的 OBJ_1 和 OBJ_2 值。

1. 针对两个目标的加权和标量化

1. 声音
   观察依据

   讲师指出，在为不同权重映射出对应解后，“你最终会得到这样一条权衡曲线。”

2. 图示
   观察依据

   左上角图中的一条紫色曲线，连接了 OBJ_1-OBJ_2 平面上的若干标记解点。

随着权重 $w_1$ 的变化，对应的最优解在目标空间中描绘出一条曲线；视频将这条结果曲线称为权衡曲线。

1. 至少有两个目标彼此对照绘制。

2. 针对多个权重值生成解。

1. 用表格探索权重的步骤

1. 声音
   观察依据

   在 00:00:00.000-00:00:15.000 处，他解释说最小化一个目标会损害另一个目标，并将这类目标称为冲突目标。

2. 图示
   观察依据

   叠加文字显示：“最小化目标 1 是以增大目标 2 为代价的。我们希望同时最小化这两个目标。”

该片段阐明了多目标优化的核心问题：当两个目标均需最小化时，改善其中一个目标通常会使另一个目标变差。授课教师明确将这种矛盾关系称为“冲突目标”。

1. 至少存在两个目标。

2. 示例中同时对这两个目标进行最小化。

3. 这两个目标彼此权衡取舍。

1. 声音
   观察依据

   在00:00:23.000-00:00:31.000处，他说道：“现在这条紫色线被称为帕累托前沿……它本质上连接了所有非支配解。”

2. 图示
   观察依据

   一条紫色曲线连接了若干标有“非支配解”的白点。

3. 字幕依据
   观察依据

   在00:00:15.000-00:00:22.000处出现的标题卡片显示为“帕累托前沿”。

帕累托前沿被呈现为在目标值图中连接所有非支配解的曲线；直观来看，它正是该最小化问题中可达集的左下边界。

1. 目标绘制在（OBJ_1, OBJ_2）平面上。

2. 该示例对两个目标均采用最小化。

1. 多目标优化中的冲突目标。

1. 图示
   观察依据

   紫色曲线上的白点标有“非支配解”。

2. 声音
   观察依据

   在00:00:23.000-00:00:31.000处，他指出这条紫色线连接了所有非支配解。

1. 该片段未陈述形式化的支配不等式定义。

非支配解是位于帕累托前沿上的已绘制点。在本入门性讲解中，它们通过视觉方式被刻画为最佳可实现权衡点，而非通过形式化的支配关系来定义。

1. 它们是可实现的解。

2. 在本例中，它们位于帕累托前沿上。

1. 帕累托前沿

1. 声音
   观察依据

   在00:00:31.000-00:00:43.000处，他指出红/黄点是一个不可实现的解，并说：“我们无法找到该解，它根本不可能实现。”

2. 图示
   观察依据

   紫线左下方的一个红点被标注为“不可实现的解”。

不可实现的解是指目标值平面上的某个点，该点无法由任何可行决策实际达成。在图示中，它位于可实现边界之外，即处于帕累托前沿的左下方。

1. 它在目标值空间中表示。

2. 它位于可行/可实现区域之外。

1. 帕累托前沿

1. 声音
   观察依据

   在00:00:43.000-00:00:49.000处，他说：“其余所有点呢？那些被称为被支配解，因此它们并不理想。”

2. 图示
   观察依据

   远离紫色曲线的黄色点被标记为“被支配解”。

1. 该片段并未通过比较两个解向量来形式化地定义“支配”关系。

被支配解是可实现的点，但不在帕累托前沿上。讲师非正式地将其描述为“不太理想”，意指存在更优的权衡点可供选择。

1. 在本例中，它们是可实现的，但不在帕累托前沿上。

1. 帕累托前沿
2. 非支配解

1. 公式
   观察依据

   黑板上的框出公式为：J = ($w_1$ · OBJ_1) + ($1-w_1$) · OBJ_2。

2. 图示
   观察依据

   一张表格列出了 $w_1$ 的取值：.99、.9、.75、.5、.25、.1、.01、.001，并对应列出 J、OBJ_1、OBJ_2 三列。

1. 该片段展示了标量化公式，但未推导为何改变 $w_1$ 能够描绘出帕累托前沿。

黑板上呈现了一个通过加权两个目标得到的标量目标 J：J = ($w_1$·OBJ_1) + ($1-w_1$)·OBJ_2。这是将双目标最小化问题转化为单目标问题的标准加权和方法。

1. 正在合并两个目标。

2. 权重之和为1，因为第二个权重写作$1-w_1$。

3. 该示例用于同时最小化两个目标。

1. 多目标优化中的冲突目标。

1. 声音
   观察依据

   在00:02:05.000-00:02:13.000处，他说：“这里所有部分都是可行域……这里所有部分都是可行的。”

2. 图示
   观察依据

   在第二张图中，他在虚线曲线的上方/右侧区域标注了“可行”。

可行域是指在所绘制的目标值平面中可实现的点的集合。在第二张示意图中，它是位于虚线前沿曲线之上/右侧（含曲线上）的区域，而其下方/左侧的点则不可实现。

1. 该图采用目标值坐标系。

2. 该示例涉及一个多目标问题的可实现解。

1. 不可实现的解

1. 声音
   观察依据

   讲师说：“通常这些目标是相互冲突的，但并非总是如此。”

2. 公式
   观察依据

   目标列表旁的板书注明：“通常相互冲突，但并非总是如此。”

在多目标优化中，不同目标通常相互冲突，尽管并非每种情况都必然存在冲突。

1. 存在不止一个目标函数。

通常如此，但并非总是如此。

1. 声音
   观察依据

   讲师提到，目标数量可以是三个、四个或五个，“但随之可视化会变得越来越困难。因此我们暂且只考虑两个目标。”

2. 字幕依据
   观察依据

   画外标注显示：“我以双目标加权问题为例；这样更便于可视化。”

本次讲解将示例限定为两个目标，因为目标维度越高，其目标集的可视化就越发困难。

1. 讨论聚焦于多目标解的可视化。

本示例中，可视化是主要考虑因素。

1. 声音
   观察依据

   讲师指出，对每个权重，他们都会映射出对应的解，最终“得到这样一条权衡曲线。”

2. 图示
   观察依据

   左上角的图表展示了一条紫色曲线，穿过多个标有 OBJ_1 和 OBJ_2 的解点。

1. 该片段以图像和语言形式陈述了结论，但并未证明每一个加权和最优解都位于所展示的曲线上。

当对双目标加权和公式中的不同权重求解时，所得各点在 OBJ_1-OBJ_2 平面上构成一条权衡曲线。

1. 存在两个目标。

2. 针对多个 $w_1$ 取值计算解，所用公式为 J = ($w_1$ · OBJ_1) + ($1-w_1$) · OBJ_2。

针对示例中所考虑的这一组权重。

1. 声音
   观察依据

   在00:00:00.000-00:00:15.000处，他指出：最小化目标一要以牺牲目标二为代价，反之亦然，从而导致目标之间相互冲突。

2. 字幕依据
   观察依据

   叠加文字重复了相同的论断。

在该示例中，最小化OBJ_1会导致OBJ_2增大，而最小化OBJ_2会导致OBJ_1增大；因此这些目标彼此冲突。

1. OBJ_1和OBJ_2均需最小化。

2. 绘制出的解呈现出一种权衡关系。

对于图示的这一族解而言，提升一个目标会以牺牲另一个目标为代价。

1. 声音
   观察依据

   在00:00:23.000-00:00:31.000处，他指出紫色线条即为帕累托前沿，并称其连接了所有非支配解。

帕累托前沿是目标值图中连接所有非支配解的曲线。

1. 所绘制的点中包含非支配解。

2. 该问题在两个目标维度上呈现。

黑板上展示的所有非支配解均位于帕累托前沿上。

1. 声音
   观察依据

   在00:02:00.000-00:02:05.000处，他表示有时获得帕累托前沿上的解非常困难，可能需要耗费很长时间。

1. 本片段未提供任何证明或算法层面的解释。

获得恰好位于帕累托前沿上的解可能既困难又耗时。

1. 其一是在实践中求解多目标问题。

有时，在实际求解过程中。

1. 声音
   观察依据

   演讲者表示，有时启发式方法可能抵达帕累托前沿，这正是启发式方法可达最优解的情形。

1. 该片段未说明启发式方法必然抵达帕累托前沿的条件。

模拟退火、禁忌搜索和遗传算法等启发式方法有时可抵达帕累托前沿；此时，它们便可抵达最优解。

1. 一种启发式搜索方法正被应用于多目标优化问题。

某些启发式运行可能成功；该说法并非对所有运行都成立。

1. 声音
   观察依据

   演讲者表示，如果启发式方法未能精确落在帕累托前沿上，那么得到大量非常接近该前沿的解也是可以接受的，且“这正是你所需要的。”

1. 这是讲授者提出的实用性判据，而非形式上已证明的定理。

如果某启发式方法未能将解精确置于帕累托前沿上，那么生成大量非常接近该前沿的可行解，仍是一种理想的结果。

1. 该问题是多目标优化问题。

2. 图中绘制的点是目标空间中的可行解。

在本片段所讨论的启发式搜索结果中，靠近帕累托前沿即被视为具有足够的实用价值。

1. 声音
   观察依据

   演讲者指出，一个并非完全最优的解，仍可向利益相关方展示，以说明该解的大致结构。

1. 本片段未量化“足够接近最优”究竟需达到何种程度才适用于利益相关方。

一个并非完全最优的解仍可能有用，因为它可向利益相关方展示，以阐明一个优质解的结构。

1. 该解位于目标空间中的帕累托前沿附近，或在目标空间中具有其他实际意义。

2. 存在一位利益相关者，需要一个可解释的候选解。

至少部分非最优解具有实际的交流价值。

1. 声音
   观察依据

   讲师解释说，每个目标函数都乘以一个代表其重要性的权重，而第二个权重通常为一减去第一个权重。

2. 公式
   观察依据

   黑板上显示 J = ($w_1$ · OBJ_1) + ($1-w_1$) · OBJ_2。

1. 公式

   $$J = (w_1 \cdot OBJ_1) + (1-w_1) \cdot OBJ_2$$
   解释

   讲师通过将权重 $w_1$ 分配给 OBJ_1、将权重 $1-w_1$ 分配给 OBJ_2，将两个目标合并为一个标量目标。

   步骤依据

   这是直接写在黑板上并由讲师口述的加权和公式。

   视频直接表达

该多目标问题被转化为一个单一标量目标 J，其取值依赖于所选权重 $w_1$。

1. 声音
   观察依据

   讲师指出，应首先建立一张包含不同 $w_1$ 值的表格，计算目标函数 J，并为每个权重绘制对应的解，最终得到一条权衡曲线。

2. 图示
   观察依据

   左下角的表格列出了 $w_1$ 的取值，左上角的图像则显示多个解点，并由一条紫色曲线连接。

1. 本片段中，表格每一行到图像中对应绘点的实际数值映射并未在屏幕上完成。

1. 公式

   $$w_1 \in \{.99, .9, .75, .5, .25, .1\}$$
   解释

   该表格为第一个目标提供了若干候选权重。

   步骤依据

   这些取值可见于左下角表格的 $w_1$ 列中。

   视频直接表达
2. 公式

   $$J = (w_1 \cdot OBJ_1) + (1-w_1) \cdot OBJ_2$$
   解释

   对每个选定的权重，均根据两个目标函数值计算出综合目标函数值。

   步骤依据

   该公式已在框出的方程中给出，并被口头重复说明。

   视频直接表达
3. 公式

   $$(OBJ_1, OBJ_2)$$
   解释

   每个优化后的解均以其一对目标函数值表示，并绘制在目标空间图中。

   步骤依据

   讲师称，他们为每个权重绘制对应的解，并在表格与图像之间进行指认。

   视频直接表达
4. 公式

   $$\text{purple curve through plotted points}$$
   解释

   随着 $w_1$ 变化，将所有绘出的解收集起来，便得到屏幕上显示的权衡曲线。

   步骤依据

   讲师在指向紫色曲线的同时，明确称该图形为权衡曲线。

   视频直接表达

改变权重 $w_1$ 会生成一系列解，这些解对应的目标函数值对在 OBJ_1-OBJ_2 平面上描绘出一条权衡曲线。

1. 声音
   观察依据

   在00:01:32.000-00:02:00.000处，他以学校系统为例，关联了成本与学生通勤距离。

1. 公式

   $$$$
   解释

   设OBJ_1为学校系统的成本，OBJ_2为学生通勤总距离。

   步骤依据

   这两个目标即口述示例中所命名的目标。

   视频直接表达
2. 公式

   $$$$
   解释

   考虑成本最小化的最坏情形：仅开放一所学校。

   步骤依据

   这是口头讲解中为阐明权衡关系而采用的极端情形。

   视频直接表达
3. 公式

   $$$$
   解释

   仅开放一所学校时，学生需从极远的地方前来，因此OBJ_2变得很大。

   步骤依据

   讲师直接指出的结论。

   视频直接表达
4. 公式

   $$$$
   解释

   反之，若开放大量学校，则OBJ_1表现差/值高，但OBJ_2下降，因为学生通勤距离缩短。

   步骤依据

   音频中于00:01:50.000-00:02:00.000处陈述。

   视频直接表达

该示例展示了两个目标的反向变动，印证了它们彼此冲突的说法。

1. 声音
   观察依据

   主讲人首先指出启发式方法可能抵达帕累托前沿，随后又说明：即使未能抵达，仍可获得大量非常接近该前沿的解。

2. 动画
   观察依据

   图示从仅指代虚线前沿本身，转变为在该前沿内侧添加许多圆点。

1. 公式

   $$$$
   解释

   从将一种启发式方法应用于多目标问题开始。

   步骤依据

   主讲人将启发式方法引入为适用于该场景的搜索技术。

   视频直接表达
2. 公式

   $$$$
   解释

   结果1：该启发式方法抵达帕累托前沿，主讲人将其描述为达到最优解。

   步骤依据

   在音频中约00处直接陈述：02--00:15。

   视频直接表达
3. 公式

   $$$$
   解释

   结果2：该启发式方法并未精确落在前沿上，但生成了许多非常接近该前沿的可行解。

   步骤依据

   在音频中约00处直接陈述：18--00:28，并由靠近虚线曲线的密集圆点图示加以说明。

   视频直接表达
4. 公式

   $$$$
   解释

   在第二种结果中，实际目标变为填充大量邻近的可行解，而非要求解严格位于前沿面上。

   步骤依据

   音频中约在00:28--00:32处陈述。

   视频直接表达

启发式搜索可能直接命中帕累托前沿，也可能生成一组靠近前沿的有用解簇；后一种情况下，解的邻近性与多样性即为实际目标。

1. 声音
   观察依据

   主讲人从讨论近前沿解，过渡到指出：即便该解并非完全最优，仍可将其呈现给利益相关方。

2. 动画
   观察依据

   他在解释这一用途时，指向了图中绘制的具体圆圈。

1. 公式

   $$$$
   解释

   选取一个图中已绘制出的解，它靠近帕累托前沿，但并未精确落在其上。

   步骤依据

   主讲人一边指向散点图中的点，一边称其为“像这样的一种解”。

   视频直接表达
2. 公式

   $$$$
   解释

   承认该解可能并非完全最优。

   步骤依据

   音频中约在00:36--00:43处明确指出。

   视频直接表达
3. 公式

   $$$$
   解释

   仍可使用该解，向利益相关方展示解的整体结构会是什么样。

   步骤依据

   音频中约在00:43--00:50处明确指出。

   视频直接表达

一个接近前沿但非最优的解，仍可作为决策者具体而直观的候选方案。

1. 声音
   观察依据

   主讲人举了一个学校选址的例子：减少学校数量与尽可能缩短学生通勤距离之间存在冲突。

说明在设施选址场景中，为何两个目标可能相互冲突。

1. 一个目标是尽量减少学校数量。

2. 另一个目标是最小化学生通勤距离。

解释设施数量更少与通勤距离更短之间的权衡关系。

1. 公式

   $$$$
   解释

   如果只设一所学校，学生就需要通勤更长的距离。

   步骤依据

   由主讲人直接陈述。

   视频直接表达
2. 公式

   $$$$
   解释

   如果设置大量学校，学生通勤距离就会缩短。

   步骤依据

   由主讲人直接陈述。

   视频直接表达

更少的学校虽改善了某一目标，却恶化了另一目标，这直观体现了类似成本类目标与类似通勤类目标之间的直接冲突。

该示例与黑板笔记一致：多个目标通常相互冲突，但并非总是如此。

1. 声音
   观察依据

   在00:01:32.000-00:02:00.000处，讲师说道：“例如，若目标一为最小化学校系统的成本……这将以学生总出行距离为代价……”

说明在现实场景中，最小化某一目标可能使另一目标恶化。

1. OBJ_1是学校系统的成本。

2. OBJ_2是学生的总出行距离。

3. 二者均需最小化。

展示成本与学生出行距离之间的权衡关系。

1. 公式

   $$$$
   解释

   考虑仅开放一所学校的极端低成本情形。

   步骤依据

   这是示例中所采用的口头描述的最坏情况。

   视频直接表达
2. 公式

   $$$$
   解释

   此时学生必须从极远的地方前往学校，导致总出行距离增加。

   步骤依据

   音频中直接陈述。

   视频直接表达
3. 公式

   $$$$
   解释

   考虑相反的情形：许多学校开放。

   步骤依据

   用于表示权衡关系的反向。

   视频直接表达
4. 公式

   $$$$
   解释

   此时成本较高，但学生总出行距离下降。

   步骤依据

   音频中直接陈述。

   视频直接表达

成本降低会推高学生总出行距离；学校数量增多会降低学生总出行距离，但会提高成本。

该示例印证了前文的一般性结论：最小化某一目标会损害另一目标。

1. 声音
   观察依据

   主讲人以启发式方法和右侧的目标空间示意图作为贯穿始终的示例。

2. 动画
   观察依据

   他在虚线标示的帕累托前沿曲线附近绘制多个小圆圈，代表候选解。

1. 未提供任何数值型目标函数值或显式的具体问题数据。

展示启发式方法在目标空间中求解多目标问题（该问题具有帕累托前沿）时的行为方式。

1. 右侧图形，坐标轴分别为“obj 1”和“obj 2”。

2. 一条虚线曲线，表示帕累托前沿。

3. 一个标注为“可行”的区域。

4. 命名的启发式方法：模拟退火、禁忌搜索、遗传算法。

解释启发式方法可能返回哪类解集，并说明为何接近前沿的解依然具有实用价值。

1. 公式

   $$$$
   解释

   考虑将模拟退火、禁忌搜索或遗传算法等启发式方法应用于该多目标问题。

   步骤依据

   主讲人明确将这些方法称为启发式方法的示例。

   视频直接表达
2. 公式

   $$$$
   解释

   有时，该启发式方法能直接找到帕累托前沿本身。

   步骤依据

   音频中约在00:02--00:15处陈述。

   视频直接表达
3. 公式

   $$$$
   解释

   若未能做到这一点，它仍可生成大量非常接近该前沿的可行解；讲师将这些解绘制成位于虚线曲线内侧、彼此聚集的圆圈。

   步骤依据

   音频中约在00:18--00:32处陈述，并与绘图动作相匹配。

   视频直接表达
4. 公式

   $$$$
   解释

   可从中选取一个近前沿解，向利益相关方展示，以说明可能的解结构，尽管该解并非完全最优。

   步骤依据

   音频中约在00:32--00:50处陈述，此时主讲人正指向图中各个已绘制的点。

   视频直接表达

该示例得出结论：启发式搜索可能得到精确的帕累托前沿点，但按讲师的表述，更常见的是得到一组有用的近前沿可行解，这些解仍能传达解的结构。

口头讲解与视觉顺序一致：先提及虚线前沿，再添加多个邻近的圆圈，最后在与利益相关方讨论时逐一点出各个圆圈。

1. 图示
   观察依据

   黑板分为左上方的图像、左下方的表格，以及右侧带方框公式的文字区域。

1. 左上方 OBJ_1-OBJ_2 图像

2. 左下方权重表格

3. 右侧标题及目标列表

4. 带方框的加权和公式

1. 随着讲解推进，讲师在图像、表格与公式之间依次指点。

1. 图像坐标轴始终保持横轴为 OBJ_1、纵轴为 OBJ_2。

2. 方框内公式始终为 J = ($w_1$ · OBJ_1) + ($1-w_1$) · OBJ_2。

该布局将概念定义、标量化公式、表格化权重搜索与最终的目标空间图像关联起来。

1. 图示
   观察依据

   一条紫色曲线连接 OBJ_1-OBJ_2 平面上的若干标记点；标注包括被支配解、非支配解与不可达解。

2. 动画
   观察依据

   讲师一边用指示笔沿曲线移动，一边讲解不同权重对应的映射解。

1. 所绘点的精确坐标无法辨认。

1. 横轴 OBJ_1

2. 纵轴 OBJ_2

3. 紫色曲线

4. 标出的解点

5. 被支配区域与非支配区域的标签

1. 指示笔沿曲线移动，以说明不同权重对应不同的解位置。

1. 该曲线绘制在双目标平面中，而非决策变量空间中。

该图示表明，改变权重会产生一族解，这些解构成一条类似前沿的曲线，而非单一孤立的最优解。

1. 图示
   观察依据

   左下角表格的表头为 $w_1$、J、OBJ_1、OBJ_2，且可见 $w_1$ 的取值：.99、.9、.75、.5、.25、.1。

2. 动画
   观察依据

   讲师指着表格解释说，需从 $w_1$ 的不同取值开始。

1. J、OBJ_1 和 OBJ_2 列下的单元格在可见画面中显示为短横线，因此未展示任何已完成的数值行。

1. $w_1$ 列

2. J 列

3. OBJ_1 列

4. OBJ_2 列

5. 候选权重的各行

1. 注意力从权重列转向公式，再转向图像。

1. 该表格以每行为一个选定权重的方式组织。

该表格通过枚举候选权重，再将结果映射到目标空间，从而将加权求和法付诸实践。

1. 图示
   观察依据

   左侧图表的横轴为 OBJ_1，纵轴为 OBJ_2；一条紫色曲线穿过标为“非支配解”的白色点，标为“支配解”的黄色点，以及一个标为“不可行解”的红色点。

2. 图示
   观察依据

   图旁标注权重标签 $w_1$=.99、.9、.75、.5、.25、.1、.01、.001；图下方表格的表头为 $w_1$、J、OBJ_1、OBJ_2。

1. 横轴为 OBJ_1

2. 纵轴为 OBJ_2

3. 紫色帕累托前沿曲线

4. 白色非支配点

5. 黄色被支配点

6. 红色不可达点

7. 权重标签 $w_1$

8. 表格，列标题依次为 $w_1$、J、OBJ_1、OBJ_2

9. 加框公式 J=($w_1$·OBJ_1)+($1-w_1$)·OBJ_2

1. 讲师首先指向左上区域，同时讲解最小化 OBJ_1。

2. 接着他指向右下区域，同时讲解最小化 OBJ_2。

3. 随后他沿紫色曲线描画，并指向红色与黄色区域，以分类解的类型。

1. 横轴仍为 OBJ_1，纵轴仍为 OBJ_2。

2. 紫色曲线仍作为连接各白色点的视觉边界。

3. 加框的加权和公式持续显示在右侧。

该图示围绕三类点——非支配点、支配点和不可达点——组织本课内容，并将它们与加权和公式联系起来。

1. 字幕依据
   观察依据

   全屏标题卡片显示“帕累托前沿”。

1. 标题文字“帕累托前沿”

1. 讲授画面被一张标题卡片取代。

1. 卡片本身未引入任何新的数学符号。

该卡片标志着从一般性冲突讨论转向帕累托前沿这一具体概念。

1. 图示
   观察依据

   教师在黑板右侧绘制一个新的坐标系，纵轴为 OBJ_2，横轴为 OBJ_1，勾勒出一条虚线前沿曲线，标注“可行”，并在可行区域内添加若干小圆圈。

2. 字幕依据
   观察依据

   在 00:02:17.000-00:02:29.000 处叠加的橙色字幕显示：“我们可能先得到一些尚可的解，但希望进一步改进，使它们更接近帕累托前沿。”

1. 所有新增圆圈的确切最终位置在逐帧画面中无法完全辨识。

1. 新的 OBJ_1/OBJ_2 坐标轴

2. 虚线边界曲线

3. 标注“可行”

4. 可行区域内的若干小圆圈

5. 橙色解释性覆盖层

1. 他在说“让我们回到这张图再看一下”之后画出坐标轴。

2. 他将虚线曲线勾勒为可达解的边界。

3. 他在该曲线右上方的区域内写下“可行”。

4. 他添加多个代表初始较优解的小圆圈。

5. 他指出这些解应逐步向边界靠近。

1. 坐标轴仍分别表示 OBJ_1 和 OBJ_2。

2. 类似边界的虚线曲线仍位于可行点云的左下方。

这一视觉序列支持了方法论观点：人们通常从可行但非最优的解出发，并不断改进，使其趋近帕累托前沿。

1. 字幕依据
   观察依据

   左上角出现一个白色覆盖框，列有“启发式方法：”、“模拟退火”、“禁忌搜索”、“遗传算法”以及“……”。

1. 白色文字覆盖框

2. 启发式方法名称列表

1. 当主讲人列举启发式方法时，该叠加层出现。

2. 几秒钟后该叠加层消失。

1. 底层的黑板图表保持可见。

2. 主讲人继续在叠加层之上讲解。

该叠加层强化了主讲人口述的、用于多目标搜索的示例启发式技术列表。

1. 动画
   观察依据

   主讲人在右侧图中虚线曲线内侧绘制了若干个小圆圈。

2. 声音
   观察依据

   绘制过程中，他说明这些解不在帕累托前沿上，但靠近它，并且人们希望尽可能多地填充各种可能解。

1. 新绘制的小圆圈的确切数量仅为近似值，因为部分圆圈相互重叠，且手部遮挡了图表的部分区域。

1. 右侧目标空间图

2. 虚线帕累托前沿曲线

3. 曲线附近多个小圆圈

4. 讲师用粉笔书写的那只手

1. 新的圆圈依次添加在虚线边界的内侧附近。

2. 所绘制的候选解的密度增加。

1. 坐标轴标签“obj 1”和“obj 2”保持固定。

2. 虚线边界本身仍作为参考边界。

3. 区域标签“feasible”位置保持不变。

该动画直观呈现了启发式方法生成的可行解，这些解靠近帕累托前沿，但并未精确落在其上。

1. 动画
   观察依据

   讲师在讨论如何向利益相关者展示一个解时，指向各个已绘制的小圆圈。

2. 声音
   观察依据

   他指出，像这样的解虽非最优，但仍能展示出解的大致结构。

1. 帕累托前沿附近的各个小圆圈

2. 讲师指向的手势

1. 注意力从整个簇转移到特定的示例点上。

2. 讲话者将其中一个点作为代表性的候选解。

1. 整个簇仍可见，位于虚线边界附近。

2. 图表的坐标轴和标签均未发生变化。

这种视觉强调支持了如下论断：单个接近边界的解可被传达为一个具体但并非完全最优的提议。

1. 图示
   观察依据

   左侧仍显示第二个图表，其标签包括“被支配解”、“非支配解”和“不可达解”。

1. 讲师在此片段中并未口头展开讲解左侧图表。

1. 左侧图表

2. 带有标记点的曲线

3. 标签：“被支配解”、“非支配解”、“不可达解”

1. 左侧图像在整个片段中始终可见。

2. 其标签在整体上保持清晰可读。

左侧图示为帕累托相关概念提供了背景术语，但本片段中的口头讲解主要聚焦于右侧的目标空间示意图及启发式结果。

1. 声音
   观察依据

   讲师指出，各目标通常相互冲突，但并非总是如此。

2. 公式
   观察依据

   板书笔记写道：“通常相互冲突，但并非总是如此。”

人们可能认为，只要存在多个目标，这些目标就必然彼此对立。

视频明确指出，多个目标通常相互冲突，但并非总是如此。

1. 声音
   观察依据

   讲师描述了针对不同权重映射解，并由此获得一条权衡曲线。

2. 图示
   观察依据

   该图显示多个解点沿一条曲线分布，而非一个孤立的最优解。

学习者即使面对多个目标，也可能仍期望存在一个单一的最佳解。

在所介绍的加权方法中，不同权重导致不同解，从而生成一条权衡曲线，而非一个普适的最优解。

1. 声音
   观察依据

   在00:00:43.000-00:00:49.000处，他称被支配解为“不太理想”。

人们可能将“不太理想”理解为一种模糊的审美判断。

在图示语境中，被支配解特指那些可实现但不在帕累托前沿上的点，即相较于非支配解而言，它们是更差的权衡点。

1. 声音
   观察依据

   在00:00:31.000-00:00:49.000处，他将红色的不可实现解与其他被称为被支配解的点区分开来。

2. 图示
   观察依据

   红色点绘制在前沿的下方/左侧，而黄色的被支配点则位于图示空间中的其他位置。

人们可能将任意“差”的点都混同为被支配解。

该片段明确区分了不可实现解（完全无法获得）与被支配解（虽可实现但不在帕累托前沿上）。

1. 声音
   观察依据

   主讲人明确反驳了‘只有精确属于帕累托前沿的解才重要’这一观点，指出：即使启发式方法未能抵达帕累托前沿，获得大量非常接近前沿的解仍是理想结果。

人们可能认为，如果某启发式方法未能精确落在帕累托前沿上，那么所得解便不值得保留。

讲师指出，大量非常接近帕累托前沿的可行解依然令人满意，且具有实际应用价值。

1. 声音
   观察依据

   主讲人表示，某个解虽非完全最优，但仍可呈现给利益相关方，以展示解的结构特征。

一个并非完全最优的解，可能被草率地视为对决策毫无用处。

根据讲师的观点，此类解仍可用于向利益相关方阐释何为良好的解结构，因而具有价值。

1. 声音
   观察依据

   在定义多目标优化之后，讲师介绍了针对两个目标的加权目标法。

2. 公式
   观察依据

   带框公式出现在多目标标题及目标列表下方。

加权和公式被呈现为一种处理多目标问题的方法，即通过将其坍缩为单个标量目标来实现。

1. 声音
   观察依据

   讲师指出，基本方法是从一个包含不同 $w_1$ 值的表格出发，并计算 J。

2. 图示
   观察依据

   表格的列标题包括 $w_1$ 和 J，与方框内公式中的变量一致。

该表格通过枚举候选权重并记录对应的目标函数值，来实现加权和公式。

1. 声音
   观察依据

   讲师指出，对每个权重求解所得的解构成一条权衡曲线。

2. 图示
   观察依据

   光标在左下角的表格与左上角的图像之间移动。

对多个权重分别求解，并将所得目标函数值对绘制成图，便得到图像中所示的权衡曲线。

1. 声音
   观察依据

   讲师首先指出各项目标通常相互冲突，随后进一步解释由此产生的权衡曲线。

2. 图示
   观察依据

   该图像沿紫色曲线直观呈现了一个目标的改进相对于另一个目标的变化情况。

一条有意义的权衡曲线之所以存在，正是因为改进某一目标往往以牺牲另一目标为代价。

1. 声音
   观察依据

   讲师首先描述了相互冲突的目标（00:00:00.000-00:00:15.000），随后将帕累托前沿引入为连接所有非支配解的曲线（00:00:23.000-00:00:31.000）。

认识到各目标之间存在权衡关系，正是我们需借助帕累托前沿来刻画最优折衷解集合的根本动因。

1. 声音
   观察依据

   在00:00:23.000-00:00:31.000处，他指出帕累托前沿连接了所有非支配解。

帕累托前沿在视觉上和语言上被定义为包含所有非支配解的曲线。

1. 声音
   观察依据

   在00:00:31.000-00:00:43.000处，他称某一点为不可行解；在00:02:05.000-00:02:13.000处，他将该区域其余部分识别为可行域。

可行域由所有可达点构成，而不可行解则位于该可达区域之外。

1. 公式
   观察依据

   框出的公式 J=($w_1$·OBJ_1)+($1-w_1$)·OBJ_2 在视频片段中始终显示于帕累托讨论旁。

1. 该视频片段并未明确证明所有 $w_1$ 取值与所有帕累托最优解之间的关系。

加权和公式是本视频展示的标量化工具，用于处理双目标优化问题，其最优权衡关系由帕累托前沿刻画。

1. 声音
   观察依据

   学校案例紧接在“最小化一个目标会损害另一个目标”这一一般性陈述之后引入。

学校系统案例被用来使“目标冲突”这一抽象概念具体化。

1. 声音
   观察依据

   主讲人首先点明启发式方法，随后解释道：它们或可抵达帕累托前沿，或可生成大量邻近前沿的解。

这些被命名的启发式方法是搜索技术，其输出随后被讨论为精确的帕累托前沿点或近前沿解集。

1. 声音
   观察依据

   在定义了近帕累托结果之后，主讲人指出，人们希望尽可能多地填充各种可能性。

填充大量邻近可能性这一实际目标，属于更广泛的近帕累托解决方案应用策略的一部分。

1. 声音
   观察依据

   讲师从描述近前沿解，过渡到在利益相关者说明中使用其中一个这样的解。

近帕累托解是那些虽非严格最优、但仍可向利益相关者呈现的对象。

1. 声音
   观察依据

   关于多目标优化的开场讲解。

2. 公式
   观察依据

   黑板标题为“多目标优化”及“不止一个目标函数”。

1. 多目标优化的定义
2. 典型目标及其冲突结构

1. 公式
   观察依据

   方框标注的公式：J = ($w_1$ · OBJ_1) + ($1-w_1$) · OBJ_2。

2. 字幕依据
   观察依据

   叠加文字：“通用形式（w = 权重）”。

1. 针对两个目标的加权和标量化

1. 声音
   观察依据

   讲师指出，三个、四个或五个目标更难进行可视化。

2. 字幕依据
   观察依据

   叠加文字：采用双目标加权问题，因其更易于可视化。

1. 多目标优化的定义

1. 声音
   观察依据

   解释从一组不同的 $w_1$ 数值表格出发的过程。

2. 图示
   观察依据

   可见的表格表头为：$w_1$、J、OBJ_1、OBJ_2。

1. 用表格探索权重的步骤

1. 声音
   观察依据

   讲师指出，对不同权重映射所得解可形成一条权衡曲线。

2. 图示
   观察依据

   在 OBJ_1-OBJ_2 坐标图中，一条紫色曲线穿过多个点。

1. 通过改变权重生成的权衡曲线

1. 声音
   观察依据

   通常这些目标相互冲突，但并非总是如此。

2. 公式
   观察依据

   板书注明：“通常相互冲突，但并非总是如此。”

1. 典型目标及其冲突结构

1. 声音
   观察依据

   在00:00:23.000-00:00:31.000处，讲师将紫色直线定义为连接所有非支配解的帕累托前沿。

1. 帕累托前沿
2. 非支配解

1. 声音
   观察依据

   在00:00:31.000-00:00:49.000处，他将红色的不可行解与黄色的支配解区分开来。

1. 被支配解
2. 不可实现的解

1. 公式
   观察依据

   黑框公式 J=($w_1$·OBJ_1)+($1-w_1$)·OBJ_2 显示在黑板上。

1. 加权和标量化

1. 声音
   观察依据

   在 00:01:32.000-00:02:00.000，讲师举出了学校建设成本与学生通勤距离之间的例子。

1. 学校系统中目标冲突的示例
2. 多目标优化中的冲突目标。

1. 声音
   观察依据

   在 00:02:17.000-00:02:29.000，他指出我们通常先得到可行但非最优的解，并逐步改进它们，使其逼近帕累托前沿。

2. 字幕依据
   观察依据

   橙色叠加文字写道：“我们可能最先得到一些尚可的解，但我们的目标是持续改进，使它们更接近帕累托前沿。”

1. 目标值图中的可行域
2. 帕累托前沿

1. 声音
   观察依据

   在 00:02:05.000-00:02:13.000，他说：“这里所有这些区域都属于可行域。”

2. 图示
   观察依据

   他在虚线曲线右上方的区域内写下了“可行”二字。

1. 目标值图中的可行域