一句话思路总结
    → Sustainable tourism = 经济 + 社会 + 环境 的三目标冲突
    → 用 multi-objective planning model + Pareto optimization

二，步骤

①拆成三个子模型

子模型	优化目标	方法
I	Economic benefit（经济）	Cost-Benefit Analysis (CBA)
II	Social benefit（社会）	Social welfare optimization
III	Environmental benefit（环境）	Ecological carrying capacity

每个子模型：

• 都是 “单目标优化”

• 都算一个 最大值

• 都得到一个 可行域（feasible domain）

②把三个目标“合起来”

• 明确说：account for coupling relationships

• 用 SLSQP（Sequential Least Squares Programming）

• 求 Pareto-optimal solution

③给一个“极其具体”的数值结果

最优游客数：1.32 million

总加权收益：10 million USD

Juneau 净收入：576 million USD

这一步 极其重要，因为：O 奖评委 非常喜欢“有落点的数字”，即使数字是估的，也要“看起来能算出来”

三，一般人与O奖的差距

维度	你现在	O 奖论文
模型思想	系统动力学 + 政策闭环	多目标规划
子模型	一体化	明确拆成 3 个
方法命名	隐含	CBA / Social welfare / Carrying capacity
Pareto	隐含	明确强调
数值落点	还没给	非常具体
评委观感	“这个模型很合理”	“这个模型很成熟、可比较”

四，知识学习

①帕累托优化方法

1，定义：一个方案，如果你想让它在某一个目标上变得更好，就一定会让至少另一个目标变差，
那它就是帕累托最优的。

2，帕累托优化方法 = 用来“找到帕累托最优解 / 前沿”的一整类方法

帕累托优化方法
├── 路线 A：把多目标 → 变成单目标
│   ├── Weighted Sum
│   └── ε-constraint
│
└── 路线 B：直接找一堆帕累托解
    ├── NSGA-II
    └── MOEA/D

🔴 路线 A：我一次只想要一个解

👉 把多目标问题
👉 人为地改写成一个单目标问题
👉 然后用普通优化算法去解

这一路的代表就是：

• Weighted Sum【Weighted Sum = 用“权重”告诉计算机：我更在乎谁】

• ε-constraint【ε-constraint = 只优化一个目标，其他目标变成“不能超过的底线”】

🔵 路线 B：我一次就想看到所有取舍

👉 不合并目标
👉 直接在多目标空间里搜索
👉 一次性给你一堆帕累托解

这一路的代表就是：

• NSGA-II

• MOEA/D

五，阅读收益

①论文需要包含Literature Review

②整体的工作可以通过一张图来表示出来【workflow】

③在论文前面可以存在一个：assumption和justification的部分

六，建模思路

多目标优化（Multi-Objective Optimization Model）

① 子模型 1：考虑边际效应的成本效益分析

1.1经济效益的分析

②子模型 2：社会福利优化模型

总目标函数：

【收益：O奖论文喜欢：Monetization（货币化）或 Shadow pricing（影子定价）。】

【收益：整体满意度用乘法，因为两个因素缺一不可。在构造的时候要注意】

【思考：软指标应该如何量化】

例子：

Ecological Health Optimization（生态健康优化）。应用场景：Juneau 过度旅游 → 冰川退缩、碳排放、生态承载压力

Step 1：找 2–3 个“主导因素”（只抓最核心）

The ecological health of Juneau is primarily influenced by two dominant factors:
(1) carbon emissions induced by tourism activities, and
(2) ecological load relative to the local environmental carrying capacity.................