多目标优化实战无人机配送如何同时打赢快与省两场仗8 月 3 日DoorDash 正式推出无人机配送业务 DoorDash Air把披萨和外卖送上天空此前一周广东中山发布低空经济高质量发展行动方案提出无人机配送60 分钟通达广深珠8 月 2 日四川绵阳的无人配送试点线路已经常态化运行。短短几天无人机配送从一个概念变成多座城市同步推进的真实业务。但很少有人追问一架无人机送哪几单、先送谁、走哪条航线背后其实是一场典型的多目标优化问题——既要送得快又要花得少还要飞得稳。一、什么是多目标优化先看懂两个目标打架多目标优化Multi-Objective Optimization指优化问题里同时存在两个及以上互相冲突的目标。无人机配送里送达时间最短和运营成本最低天然冲突想快就要多派无人机、走直线、卡着时间窗飞能耗和调度成本立刻上升想省就要少派机、多拼单、绕远路可客户的耐心是有限的。国赛题目里类似的冲突随处可见医院排班要医生满意度与患者等待时间兼得水库调度要发电量与防洪安全兼顾工厂排产要交期与能耗平衡银行网点选址要覆盖人群与建设成本双赢。只要题目里出现在……的同时兼顾……权衡折中协调这类字眼多半就是多目标优化。对比维度单目标优化多目标优化目标数量只有一个目标函数两个及以上互相冲突的目标解的形式一个唯一最优解一组互不占优的折中解帕累托前沿典型方法梯度法、爬山法、经典算法加权法、约束法、进化多目标算法决策方式直接给出答案先扫出解集再交给决策者挑选论文呈现一张收敛曲线权衡曲线 帕累托前沿图二、为什么把两个目标加权成一个数不够用最常见的直觉是把两个目标各乘一个权重再加起来转成单目标问题求解。看起来省事但有两个硬伤。第一权重谁定送得快重要还是省钱重要客户、平台、监管部门三方答案完全不同。权重一改最优方案就变评委第一个追问就是你的权重凭什么这么设。第二加权后的最优解只是帕累托前沿上的一个点你丢掉了其他同样合理的选择。比如能耗只比最优多 3%时间却能省 15%——这种方案在加权法下很可能直接被丢掉但对决策者恰恰很香。所以更专业的做法是先把所有不被任何方案全面压制的解全部找出来这就是帕累托前沿再在论文讨论部分给出挑选建议。评审看重的不是你算出了一个数而是你理解了问题的结构。三、三套主流解法用中文讲清楚原理3.1 线性加权法最简单把每个目标乘以权重后相加转成单目标问题。适用条件目标量纲相近、决策者能给出明确权重、问题基本是凸的。优点是好实现、好解释缺点是权重主观且对非凸问题可能漏掉前沿中间段的解。使用时要交代权重的确定过程专家打分、层次分析法都行并做权重敏感性分析。3.2 约束法入门首选国赛最讨巧每次只优化一个主目标把其他目标转成约束。比如给定总成本不超过 X 元求最短总送达时间。把 X 从紧到松逐档变化反复求解就能扫出一整组折中解。这个方法在国赛里几乎是为论文量身定做的每一个 X 对应一次普通单目标求解用最基础的算法就能跑扫完后自然画出成本—时间权衡曲线图一出来多目标的味道就出来了。3.3 进化多目标算法进阶遗传算法家族中专门处理多目标的版本非支配排序把解按被谁压制分层拥挤度距离保证解集在前沿上均匀铺开精英保留策略防止好解丢失。一次运行就能同时逼近整条帕累托前沿。适合变量多、约束复杂的调度问题。缺点是收敛慢、参数多论文里必须交代种群规模、迭代次数、交叉变异概率并给出收敛性验证。方法原理一句话优点缺点适合场景线性加权加权求和转单目标简单直观权重主观、可能漏解目标少、量纲一致约束法只留一个主目标其余转约束每步都是单目标图好画需要反复求解多次两个目标、追求清晰呈现进化多目标用进化机制逼近整个前沿一次得到整条前沿参数多、收敛慢大规模调度、排班问题四、完整算例5 个订单、2 架无人机场景一个社区同时来了 5 个外卖订单配送站有 2 架无人机。已知每架无人机送不同订单组合所需的飞行时间与能耗。目标一最后一个订单的送达时间最短时效目标目标二总能耗最低成本目标。约束每架无人机一次最多携带 2 单每个订单只能由一架无人机配送所有订单必须全部送达。先列出所有可行的分工方案再逐一计算两个目标值方案A机配送B机配送总耗时总能耗是否可行甲订单1、2订单3、4、5——不可行B超载乙订单1、2订单3、4——不可行5无人送丙订单1、2订单3、44026可行丁订单1、3订单2、43630可行戊订单1、4订单2、53335可行注表中耗时、能耗为示意数据重点看求解流程。用约束法求解第一步设总能耗不超过 26求最短耗时得方案丙40 分钟第二步把能耗上限放松到 30得方案丁36 分钟第三步再放松到 35得方案戊33 分钟。把三个点连起来就是权衡曲线时间从 40 分钟降到 33 分钟能耗从 26 涨到 35——没有任何一个方案在两个目标上同时优于另一个这三个点共同构成帕累托前沿。最后给决策建议如果平台规定平均送达不超过 35 分钟选方案戊如果能耗预算只有 28只能选方案丙。五、从小算例到国赛大题规模化怎么做上面的 5 单 2 机靠枚举就能算完国赛题目往往有几十上百个订单枚举不可能。规模化路径分三步。第一步把问题形式化确定决策变量哪个订单分配给哪架无人机、出发顺序、目标函数总时间、总能耗或总成本、约束条件载重、续航、时间窗、充电位。第二步选求解框架中小规模用约束法加贪心构造初始解大规模用进化多目标算法把非支配排序作为适应度。第三步验证与呈现跑 10 次以上取统计结果画权衡曲线与前沿分布图说明参数对结果的影响。六、国赛使用要点四个加分与三个坑加分点第一画出权衡曲线并标注可行域与帕累托前沿第二做权重或阈值敏感性分析证明结论稳健第三给出业务建议客户可接受 5 分钟延迟时能耗降 20%第四与单目标基线对比证明多目标框架确实带来了更优的折中。三个坑一是把多目标硬写成单目标却不说明理由二是只给一个解不给折中讨论三是表格数据与曲线对不上被评委当场抓包。七、写在最后DoorDash Air 上天的背后是物流行业对快和省永无止境的追求。多目标优化正是回答这类问题的标准框架识别冲突目标、定义约束、扫出折中解、交给决策者。这套思路不仅是比赛技巧更是以后做方案、做产品、做运营的底层能力。下次遇到既要又要的题目别慌——把两个目标摆到台面上用约束法扫一条权衡曲线出来评委自然眼前一亮。