9、多目标问题与分层人工智能的进化解决方案

多目标问题与分层人工智能的进化解决方案

1. 引言

在实时战略（RTS）游戏中，设计师们投入大量努力试图创造一个可以运用多种策略和战术的游戏环境，并且理想情况下，不存在单一的简单最优策略。实际上，可能会花费大量精力来“平衡”游戏，以确保主要的策略和单位都有有效的对策。因此，RTS游戏可以被视为多目标问题（MOP）。多目标问题是指一类问题，需要满足不同的、相互竞争的目标，通常没有单一的最佳解决方案，而是一组解决方案都同样好。

2. 多目标问题的概念

多目标问题（MOP）与单目标优化问题不同，后者通常有一种解决方案优于所有其他可能的解决方案。在MOP中，不同的目标可能会导致一定程度的冲突，例如，一架飞机试图同时最大化乘客数量和在一定燃料负载下能够飞行的距离。一个更详细的例子可以帮助我们更好地理解这个问题。

2.1 多目标背包问题

背包问题是经典的优化问题之一。多目标背包问题（MOKP）是在经典背包问题的基础上增加了第二个目标，即最小化背包的重量（Steuer, 1986）。显然，最有价值的负载将简单地包含每一种物品，而最轻的负载则不包含任何物品。因此，这两个目标显然是相互冲突的。我们需要找到的不是一个单一的解决方案，而是一组解决方案，其中对一个目标的改进不能以牺牲另一个目标的性能为代价。这组解决方案被称为帕累托最优集，或简称帕累托集。

目标	描述
最大化价值	包含尽可能多的高价值物品