IBM权衡分析与简单的受限决策有何不同？

Question

我一直被IBM Watson软件包的技术天才所震惊。这些工具从识别图像中的主题到在一封信中提取情感，它们都是令人惊叹的。然后是权衡分析。在他们的巢演示中，你选择一个州，然后一系列约束(价格必须在W和X之间，面积必须在Y和Z之间，必须有保险托管融资，等等)。他们根据房屋是否符合你们的限制对房屋进行排序。

似乎所有的折衷分析都是按照以下顺序运行一个简单的查询：

SELECT * FROM House WHERE price >= W AND price <= X AND square_footage >= Y
AND square_footage <= Z AND ...

我没有正确理解折衷分析吗？我非常尊敬IBM的员工，他们开发了所有这些令人惊叹的工具，但“权衡分析”( Tradeoff Analytics )似乎就像是简单的受限决策，在学习if语句时，它会出现在任何编程入门课程中。我遗漏了什么？

Answer 1

正如@GuyGreer所指出的，该服务确实使用Pareo优化，这与简单的约束有很大不同。

例如:假设你有三栋房子

         Sqr Footage Price
HouseA   6000         1000K       
HouseB   9000         750K
HouseC   8000        800K

现在假设你的限制是Sqr镜头> 5000和价格<900 K，那么你剩下的是B和房子C权衡分析只会回到你的houseB。因为根据帕累托，给你的目标价格和镜头，HouseB主导众议院C，因为它有更大的镜头和更便宜。

显然，这是一个虚构的例子，在现实生活中有更多的对象(属性)，你在购买房子时会考虑到这些。

帕雷托的想法是找到帕累托边境。权衡分析添加到帕累托优化额外的本土算法，让你更深入的权衡。

最后，该服务还附带了一个客户端小部件，它使用了新的方法来可视化Pareto Frontier。这本身就是一个复杂的问题，因为这样的边界是多方面的。

Answer 2

你链接到的页面说他们使用帕累托优化( Pareto Optimisation )来优化所有参数，从而得到一个pareto-最优解--一种或一组解决方案，用于当您无法优化每个参数时，所以必须满足于一些次优的参数。

而不是仅仅找到任何符合的标准，他们试图寻找某种类型的最优解(S)在约束条件下。这就是为什么它不同于简单的约束决策。

请注意，我的回答完全是基于他们的陈述：

该服务使用了一种称为“Pareto优化”的数学过滤技术.

以及我所读到的关于Pareto问题的东西。我本人对这项技术或帕累托问题没有经验。