Comparing Scalar Objective Functions for Multi-Criteria Engineering Optimization

Resumo Técnico: Comparação de Funções Objetivo Escalares para Otimização de Engenharia Multicritério

Enunciado do Problema
Na otimização de engenharia multicritério, os problemas frequentemente envolveem critérios conflitantes (ex: massa, arrasto, custo) que resultam em uma fronteira de Pareto de soluções não dominadas. Embora a geração desta frontete seja valiosa, decisões de engenharia práticas frequentemente exigem a seleção de um único projeto preferencial. Isso necessita de uma função objetivo escalar para colapsar o problema multidimensional em uma única declaração de preferência. No entanto, a escolha do método de escalonamento influencia significativamente qual compromisso é selecionado, como os parâmetros de preferência são interpretados e se regiões específicas da fronteira de Pareto (particularmente regiões não suportadas em fronteiras não convexas) são alcançáveis. A dificuldade em interpretar pesos e as limitações estruturais de métodos lineares em fronteiras não convexas motivam uma análise comparativa de formulações alternativas.

Metodologia
O artigo emprega uma abordagem diagnóstica controlada para isolar os efeitos das formulações de funções objetivo escalares do comportamento do otimizador numérico, erros de discretização e ruído de simulação. O estudo utiliza duas fronteiras de Pareto bicritério definidas analiticamente:

1. Fronteira Convexa: Definida por uma função racional específica, representando um cenário onde o escalonamento linear pode, teoricamente, alcançar todos os pontos.
2. Fronteira Côncava: Definida por uma função quadrática, representando um cenário onde pontos interiores são não suportados pelo escalonamento linear.

Quatro formulações de escalonamento são comparadas sob condições de minimização normalizadas ($c_i \in [0, 1]$):

1. Soma Ponderada (WS - Weighted Sum): Uma combinação linear $f_{WS} = w c_1 + (1-w)c_2$.
2. Função de Escalonamento de Alcance (ASF - Achievement Scalarizing Function): Uma formulação de Tchebycheff ponderada com um termo de aumento para lidar com desempates, medindo o desvio máximo ponderado de um ponto ideal.
3. Funções de Desejabilidade (Des): Um processo de duas etapas que mapeia critérios para valores de desejabilidade individuais via funções não lineares (parabólicas, $s=2$), agregadas via média geométrica ponderada.
4. Formulação Baseada em Lógica Fuzzy (Fuzzy): Mapeia critérios para valores de pertinência graduados (desejável, tolerável, indesejável) e os agrega usando bases de regras explícitas. O estudo avalia quatro conjuntos de regras específicos (F1–F4) variando de mecanismos de exclusão global a de atração de referência.

Os parâmetros de preferência "nativos" de cada método ($w$ para WS/ASF, $\alpha$ para Des, $\lambda$ para Fuzzy) são percorridos uniformemente de 0,01 a 0,99. Para cada valor de parâmetro, o ponto ótimo na fronteira de Pareto é identificado. A análise foca em:

• Alcançabilidade (Reachability): Quais regiões da fronteira de Pareto podem ser selecionadas?
• Densidade de Seleção: Como os valores de parâmetros são distribuídos pela fronteira (ou seja, um pequeno erro no parâmetro causa um grande salto na solução, ou vice-versa)?
• Sensibilidade: Como a solução selecionada se desloca conforme a variação do parâmetro de preferência?
• Interpretabilidade: Como os parâmetros mapeiam para preferências de engenharia?

Principais Contribuições

• Comparação Diagnóstica: Uma comparação sistemática de quatro métodos de escalonamento distintos usando casos de teste definidos analiticamente para separar o comportamento da formulação de artefatos numéricos.
• Distinção de Propriedades: A demonstração de que "alcançabilidade" (a capacidade de selecionar uma região) e "densidade de seleção induzida por parâmetro" (como o método explora uniformemente essa região) são propriedades distintas. Um método pode alcançar uma região, mas atribuir poucos valores de parâmetro a ela, ou vice-versa.
• Análise de Base de Regras Fuzzy: Uma investigação mostrando que formulações fuzzy não podem ser caracterizadas apenas por funções de pertinência; a base de regras explícita (consequentes e interações) altera fundamentalmente o mapeamento de preferência.
• Comportamento de Fronteira Não Convexa: Uma análise detalhada de como diferentes métodos lidam com regiões não suportadas em fronteiras côncavas, destacando as limitações estruturais da soma ponderada versus as capacidades de ASF, desejabilidade e métodos fuzzy.

Resultos

• Soma Ponderada (Weighted Sum): Simples e suave, mas estruturalmente limitada. Na fronteira côncava, colapsa para soluções de extremidade, falhando em alcançar regiões interiores não suportadas. Na fronteira convexa, exibe maior densidade de seleção perto das extremidades em vez de uma distribuição uniforme.
• Função de Escalonamento de Alcance (ASF): Capaz de alcançar regiões não suportadas na frontea côncava. No entanto, sua densidade de seleção não é uniforme; mostra uma leve concentração para valores maiores de $c_1$ na fronteira côncava e uma fraca concentração perto do compromisso equilibrado na fronteira convexa.
• Funções de Desejabilidade: Podem alcançar regiões interiores na fronteira côncava. O mecanismo de agregação geométrica penaliza fortemente compromissos de extremidade (onde a desejabilidade individual torna-se zero), levando a uma concentração dos pontos selecionados em torno do compromisso equilibrado em ambas as fronteiras.
• Lógica Fuzzy:
  • Dependência de Regra: O comportamento é altamente sensível à base de regras.
    • F1 (Exclusão) & F4 (Exclusão + Atração): Comportam-se de forma semelhante, colapsando para uma estreita região equilibrada em ambas as fronteiras, dominadas pela regra de exclusão.
    • F2 (Referência Fraca): Produz uma distribuição ampla na fronteira convexa, mas colapsa para uma extremidade na fronteira côncava, mostrando que uma premissa dependente de referência sozinha não garante o comportamento de seguimento de referência.
    • F3 (Atraidor de Referência): Na fronteira côncava, este conjunto de regras distribui os pontos selecionados quase uniformemente pela fronteira, selecionando com sucesso regiões não suportadas. Na fronteira convexa, permanece centrado no compromisso equilibrado.
  • Sensibilidade: A sensibilidade da formulação fuzzy ao seu parâmetro ($\lambda$) depende do conjunto de regras. F3 exibe uma dependência aproximadamente linear na fronteira côncava, enquanto F1 e F4 mostram pouca sensibilidade devido à dominância das regras.

Significância e Alegações
O artigo afirma que o escalonamento não é um passo de pós-processamento numérico neutro, mas impõe uma estrutura de preferência específica sobre a fronteira de Pareto. A escolha da formulação deve alinhar-se com a lógica de decisão pretendida (ex: compensação linear vs. exclusão baseada em regras).

• Alcançabilidade vs. Densidade: Um achado central é que a alcançabilidade sozinha é insuficiente para caracterizar um escalonamento. O mapeamento de parâmetros de preferência para regiões de Pareto é igualmente crítico; um método pode alcançar uma região, mas atribuir a ela uma baixa densidade de seleção, tornando-o difícil de encontrar via ajuste de parâmetros.
• Nuance da Lógica Fuzzy: O estudo enfatiza que as formulações fuzzy oferecem um framework flexível para expressar preferências de engenharia através de regras, mas isso requer um design cuidadoso. A base de regras, e não apenas as funções de pertinência, dita se um ponto de referência atua como um classificador fraco ou um atraidor forte.
• Escopo Modesto: Os autores observam que, embora problemas práticos de engenharia envolvam mais critérios e restrições, o ambiente analítico serve como um diagnóstico necessário para entender as suposições fundamentais e as consequências dessas formulações. O artigo não pretende alegar que um método é universalmente superior, mas sim destacar os trade-offs específicos em alcançabilidade, interpretação de parâmetros e densidade de seleção inerentes a cada abordagem.