It is mentioned above that the clas

It is mentioned above that the classical way to solve multi-objective optimization problems is to follow the preference-based approach, where a relative preference vector is used to scalarize multiple objectives. Since classical search and optimization methods use a point-by-point approach, where one solution in each iteration is modified to a different (hopefully better) solution, the outcome of using a classical optimization method is a single optimized solution. Thinking along this working principle of available optimization methods, it would not be surprising to apprehend that the development of preference-based approaches was motivated by the fact that available optimization methods could find only a single optimized solution in a single simulation run. Since only a single optimized solution could be found, it was, therefore, necessary to convert the task of finding multiple trade-off solutions in a multi-objective optimization to one of finding a single solution of a transformed single-objective optimization problem.

Kết quả (Việt) 1:

Nó được đề cập ở trên là cách cổ điển để giải quyết vấn đề tối ưu hóa đa mục tiêu là để làm theo cách tiếp cận dựa trên sở thích, nơi một vector tương đối sở thích được sử dụng để scalarize nhiều mục tiêu. Kể từ khi các phương pháp cổ điển của tìm kiếm và tối ưu hóa sử dụng một cách tiếp cận điểm bằng điểm, nơi một giải pháp trong lặp đi lặp lại mỗi lần đến một giải pháp khác nhau (hy vọng tốt hơn), kết quả của việc sử dụng một phương pháp tối ưu hóa cổ điển là một giải pháp tối ưu hóa đơn. Suy nghĩ dọc theo nguyên tắc này làm việc của phương pháp tối ưu hóa có sẵn, nó sẽ không phải là đáng ngạc nhiên để apprehend rằng sự phát triển của phương pháp tiếp cận dựa trên sở thích được thúc đẩy bởi một thực tế là phương pháp tối ưu hóa có thể tìm thấy chỉ là một giải pháp tối ưu hóa đơn trong một mô phỏng duy nhất chạy. Kể từ khi chỉ là một đĩa đơn tối ưu hóa giải pháp có thể được tìm thấy, đó là, do đó, cần thiết để chuyển đổi nhiệm vụ tìm kiếm giải pháp thương mại-off nhiều trong một tối ưu hóa đa mục tiêu để một trong việc tìm kiếm một giải pháp duy nhất của một vấn đề chuyển đơn-mục tiêu tối ưu hóa.

Kết quả (Việt) 2:

Nó được đề cập ở trên rằng cách cổ điển để giải quyết bài toán tối ưu đa mục tiêu là để làm theo các phương pháp tiếp cận dựa trên sở thích, nơi một vector sở thích tương đối được sử dụng để scalarize nhiều mục tiêu. Từ phương pháp tìm kiếm và tối ưu cổ điển sử dụng một cách tiếp cận điểm-by-point, trong đó một giải pháp trong mỗi lần lặp được sửa đổi để một (hy vọng tốt hơn), giải pháp khác nhau, kết quả của việc sử dụng một phương pháp tối ưu cổ điển là một giải pháp tối ưu duy nhất. Suy nghĩ cùng nguyên tắc làm việc của các phương pháp tối ưu hóa có sẵn, nó sẽ không có gì đáng ngạc nhiên trong việc thấu hiểu rằng sự phát triển của phương pháp tiếp cận dựa trên sở thích đã được thúc đẩy bởi một thực tế là phương pháp tối ưu hóa sẵn có thể tìm thấy chỉ có một giải pháp duy nhất được tối ưu hóa trong một mô phỏng chạy duy nhất. Vì chỉ có một giải pháp tối ưu duy nhất có thể được tìm thấy, nó được, do đó, cần thiết để chuyển đổi nhiệm vụ tìm nhiều giải pháp thương mại-off trong một tối ưu hóa đa mục tiêu với một trong việc tìm kiếm một giải pháp duy nhất của một đơn mục tiêu tối ưu hóa vấn đề biến đổi.