Многокритериальная оптимизация: Парето-оптимальность и методы скаляризации

Математическим фундаментом многокритериальной оптимизации является концепция Парето-оптимальности, названная в честь итальянского экономиста Вильфредо Парето. Решение называется Парето-оптимальным (или эффективным), если невозможно улучшить значение ни одного из критериев, не ухудшив при этом значение хотя бы одного из остальных. Множество всех таких решений образует границу Парето (или фронт Парето). Геометрически в пространстве критериев эта граница представляет собой выпуклую или невыпуклую оболочку, которая отделяет достижимые решения от недостижимых идеалов. Главная задача аналитика на этом этапе — отсеять все доминируемые (заведомо худшие) варианты, оставив лицу, принимающему решение (ЛПР), выбор только из множества Парето-оптимальных альтернатив.

Самым популярным методом сведения множества критериев к одному является метод скаляризации (линейной свертки). Каждому критерию назначается определенный весовой коэффициент, отражающий его относительную важность с точки зрения ЛПР. Сумма всех весов обычно равна единице. Исходные целевые функции умножаются на свои веса и складываются, образуя единую скалярную функцию, которую затем можно оптимизировать классическим симплекс-методом или алгоритмами нелинейного программирования. Проблема этого подхода заключается в необходимости нормализации (приведения к единой шкале) абсолютно разных величин: нельзя просто так складывать рубли с лошадиными силами и литрами. Для этого применяются методы нормирования минимаксными преобразованиями.

Другим мощным подходом является метод последовательных уступок и метод идеальной точки. Метод идеальной точки заключается в том, что сначала для каждого критерия отдельно ищется абсолютный максимум, образуя в многомерном пространстве координаты математической Утопии (идеальной точки). Поскольку эта точка физически недостижима, алгоритм ищет на границе Парето такое реальное решение, которое находится на минимальном евклидовом расстоянии от этой Утопии. Этот метод гарантирует нахождение сбалансированного ответа, который в равной степени близок к максимуму по всем векторам развития.

Метод анализа иерархий (МАИ), разработанный Томасом Саати, предлагает психологически обоснованный подход: он заменяет сложный многомерный анализ серией простых попарных сравнений альтернатив. Вместо того чтобы назначать абстрактные веса, менеджеры интуитивно сравнивают важность критериев попарно (например, комфорт важнее скорости в три раза). На основе этих экспертных оценок строится матрица попарных сравнений. Аналитическая геометрия и линейная алгебра позволяют извлечь из этой матрицы главный собственный вектор, который и формирует абсолютно точную шкалу приоритетов, превращая субъективные суждения руководителей в математически строгую базу для выбора единственно верного решения.