14、优化与进化计算理论：挑战与机遇

优化与进化计算理论：挑战与机遇

1. 优化问题的应用挑战

在优化领域，我们面临着一系列与应用相关的问题，这些问题受互联网发展的驱动而产生，对优化方法的拓展和创新提出了新的要求。
- 问题 13：设计分布式、自下而上的优化代理
- 背景 ：多智能体系统的研究兴趣与日俱增，研究人员正努力开发能解决各种优化问题的分布式系统。从金融角度看，供应链优化是优化的重要应用之一。随着互联网和电子商务的发展，企业间联系更加紧密，以往局部优化供应链的方式已难以带来更多效率提升，未来需要对整个供应链进行全局优化。
- 挑战 ：由于企业不愿透露专有信息，全局优化大多需依靠局部信息来完成。而且在当今多变的商业环境中，信息很快就会过时。
- 相关应用 ：互联网还催生了化身或人类代理，用于满足人类的请求。这一过程包括两个步骤：一是获取人类的偏好，二是采取行动以最大化这些偏好。偏好可以通过一个或多个效用函数来捕获，但获取偏好仍然是一个难题，目前尚无完全令人满意的解决方案。
- 问题 14：量化定性目标函数
- 背景 ：在某些情况下，可能不需要将目标函数正式表示为算法。例如，进化算法已被用于利用用户定义的适应度函数构建具有美学吸引力的设计。其他迭代方法也可以让人类在搜索过程中进行引导。
- 挑战 ：需要开发算法和程序，将定性目标函数（特别是效用函数）进行量化或表示，以便进行优化。如果能够将人类的需求轻松转化为便于计算的形式