The ideal multi-objective optimizat

The ideal multi-objective optimization procedure suggested earlier is less subjective. In Step 1, a user does not need any relative preference vector information. The task there is to find as many different trade-off solutions as possible. Once a well-distributed set of trade-off solutions is found, Step 2 then requires certain problem information in order to choose one solution. It is important to mention that in Step 2, the problem information is used to evaluate and compare each of the obtained trade-off solutions. In the ideal approach, the problem information is not used to search for a new solution; instead, it is used to choose one solution from a set of already obtained trade-off solutions. Thus, there is a fundamental difference in using the problem information in both approaches. In the preference-based approach, a relative preference vector needs to be supplied without any knowledge of the possible consequences. However, in the proposed ideal approach, the problem information is used to choose one solution from the obtained set of trade-off solutions. We argue that the ideal approach in this matter is more methodical, more practical, and less subjective. At the same time, we highlight the fact that if a reliable relative preference vector is available to a problem, there is no reason to find other trade-off solutions. In such a case, a preference-based approach would be adequate.

Kết quả (Việt) 1:

Trình tối ưu hóa đa mục tiêu lý tưởng đề nghị trước đó là ít chủ quan. Trong bước 1, người dùng không cần bất kỳ thông tin vectơ ưu tiên tương đối. Công việc có là để tìm ra giải pháp thương mại-off khác nhau càng nhiều càng tốt. Một khi một bộ đầy đủ phân phối các giải pháp thương mại-off tìm thấy, bước 2 sau đó yêu cầu một số thông tin vấn đề để lựa chọn một giải pháp. Nó là quan trọng để đề cập đến rằng trong bước 2, các vấn đề thông tin được sử dụng để đánh giá và so sánh mỗi người trong số các giải pháp thương mại-off thu được. Trong phương pháp lý tưởng, thông tin vấn đề không được sử dụng để tìm kiếm một giải pháp mới; thay vào đó, nó được sử dụng để lựa chọn một giải pháp từ một tập hợp các đã được giải pháp thương mại-off. Vì vậy, đó là một sự khác biệt cơ bản trong việc sử dụng thông tin vấn đề trong cả hai phương pháp tiếp cận. Trong cách tiếp cận dựa trên sở thích, một vector tương đối ưu tiên cần phải được cung cấp mà không có bất kỳ kiến thức về những hậu quả có thể. Tuy nhiên, trong cách tiếp cận lý tưởng được đề xuất, các vấn đề thông tin được sử dụng để lựa chọn một giải pháp tập thu được của giải pháp thương mại-off. Chúng tôi lập luận rằng phương pháp lý tưởng trong vấn đề này là hơn phương pháp, thực tế hơn và ít chủ quan. Cùng lúc đó, chúng tôi làm nổi bật một thực tế rằng nếu một vector ưu tiên tương đối đáng tin cậy là có sẵn cho một vấn đề, có là không có lý do để tìm các giải pháp thương mại-off. Trong trường hợp này, một cách tiếp cận dựa trên sở thích nào được đầy đủ.

Kết quả (Việt) 2:

Các thủ tục tối ưu hóa đa mục tiêu lý tưởng đề xuất trước đó là ít chủ quan. Trong Bước 1, người dùng không cần bất kỳ thông tin vector sở thích tương đối. Nhiệm vụ đó là phải tìm nhiều giải pháp thương mại-off khác nhau càng tốt. Khi một bộ cũng phân phối các giải pháp thương mại-off được tìm thấy, Bước 2, sau đó yêu cầu thông tin vấn đề nhất định để chọn một giải pháp. Điều quan trọng là đề cập đến ở Bước 2, các thông tin vấn đề được sử dụng để đánh giá và so sánh mỗi một giải pháp thương mại-off được. Trong cách tiếp cận lý tưởng, thông tin vấn đề không được sử dụng để tìm kiếm một giải pháp mới; thay vào đó, nó được sử dụng để lựa chọn một giải pháp từ một tập hợp các giải pháp thương mại-off đã thu được. Như vậy, có một sự khác biệt cơ bản trong việc sử dụng các thông tin vấn đề trong cả hai cách tiếp cận. Trong cách tiếp cận dựa trên sở thích, một vector sở thích tương đối cần phải được cung cấp mà không cần bất kỳ kiến ​​thức về những hậu quả có thể. Tuy nhiên, trong cách tiếp cận lý tưởng được đề xuất, các thông tin vấn đề được sử dụng để lựa chọn một giải pháp từ các bộ thu được các giải pháp thương mại-off. Chúng tôi cho rằng cách tiếp cận lý tưởng trong vấn đề này là có phương pháp hơn, thực tế hơn, và ít chủ quan. Đồng thời, chúng tôi nêu bật thực tế rằng nếu một vector sở thích tương đối đáng tin cậy là có sẵn cho một vấn đề, không có lý do để tìm các giải pháp thương mại-off khác. Trong một trường hợp như vậy, một cách tiếp cận dựa trên sở thích sẽ được đầy đủ.