Dominance Move: A Measure of Comparing Solution Sets in Multiobjective Optimization
多目标优化最常用的方法之一是生成一个很好地逼近整个帕累托最优边界的解集,以便于以后的决策过程。然而,如何评估和比较不同的解决方案集的质量仍然具有挑战性。现有的措施通常需要额外的问题知识和信息,如参考点或替代的帕累托最优边界集。在本文中,我们提出了一个质量的措施,称为优势移动(DoM),比较多目标优化生成的解决方案集。给定两个解集,DoM测量一个解集弱帕累托支配另一个解集的最小移动距离之和。DoM可以被视为两个解决方案之间差异的自然反映,捕获解决方案集质量的所有方面,符合Pareto优势,并且不需要任何额外的问题知识和参数。我们提出了一种精确的方法来计算双目标情况下的DoM。我们给出了构造解集最小移动的最优划分的必要条件,并据此提出了一个递归计算DoM的有效算法。最后,DoM的几组人工和真实的测试案例,以及通过比较两个完善的质量措施进行评估。
2017-02-01 cs.NE math.OC
On approximate Pareto solutions in nonsmooth interval-valued multiobjective optimization with data uncertainty in constraints
针对约束含数据不确定性的非光滑区间值多目标优化问题,定义多类近似Pareto解,推导其最优性条件与对偶关系,为含不确定约束的区间值多目标优化提供理论支撑。
2025-02-22 math.OC
A Convergent Approximation of the Pareto Optimal Set for Finite Horizon Multiobjective Optimal Control Problems (MOC) Using Viability Theory
对目标空间不一定是凸的有限时域多目标最优控制问题,给出了Pareto最优集的一个收敛的数值逼近.我们的方法是基于可行性理论。我们首先引入集值返回函数V,并证明了V的上图等于适当选择的闭集的活力核。然后,我们引入了一个具有有限集值的近似集值返回函数作为多目标动态规划方程的解。这个近似集值返回函数的上图被证明等于由[4,5]中提出的生存核的收敛数值逼近得到的有限离散生存核。结果,近似集值返回函数的上图收敛到V的上图。近似集值返回函数最终提供了针对每个初始时间和状态的Pareto最优集合的所提出的数值逼近。提供了几个数值例子。
2012-03-01 math.OC
A barrier-type method for multiobjective optimization
针对约束多准则问题,我们引入了多目标障碍法(MBM),它扩展了标量值内罚法。这种经典方法的多目标版本也需要一个可行集的惩罚障碍和一系列非负罚参数。与单值过程不同,MBM是通过辅助的“单调”实值映射来实现的,该映射可以在相当大的函数集合中选择。在这里,我们考虑连续目标函数的问题,其中的可行集是由许多连续不等式定义的。在温和的假设下,根据辅助函数的单调性类型,我们建立收敛到Pareto或弱Pareto最优。最后,我们还提出了一个可实现的版本MBM寻求局部最优,并分析其收敛到Pareto或弱Pareto解决方案。
2018-03-30 math.OC
Subdifferentials and Stability Analysis of Feasible Set and Pareto Front Mappings in Linear Multiobjective Optimization
研究了R^n中关于不等式约束的右端摄动的参数化多目标线性最优化问题。我们的重点是测量可行集的变化和Pareto前沿映射周围的名义元素,同时注意一些特定的方向。这个想法是形式化的所谓epigraphical的多功能,这是通过增加一个固定的锥到原来的映射的图像定义。通过epigraphical可行映射和Pareto front映射,我们描述了相应的向量次微分,并利用它们通过计算相应的Lipschitz模来验证扰动映射的Lipschitz稳定性.普通线性规划的特殊情况下进行了分析,我们表明,这两个多功能的次微分的比例子集。我们还提供了一种方法来计算线性规划的最优值,而不知道任何最优解。文中还给出了一些实例。
2019-07-23 math.OC
Point Convergence Analysis of the Accelerated Gradient Method for Multiobjective Optimization: Continuous and Discrete
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆师范大学 重庆应用数学中心)
本文针对多目标优化加速梯度法的点收敛性公开问题,分别证明α=3时连续MAVD系统轨迹、所提离散MAG-GM方法生成序列均收敛至弱帕累托最优解。
2025-11-13 math.OC
Newton Method for Multiobjective Optimization Problems of Interval-Valued Maps
Indian Institute of Technology (BHU)(印度理工大学(贝拿勒斯));Pukyong National University(釜庆国立大学)
本文提出了一种基于牛顿法的算法,用于求解多目标区间优化问题,通过计算Pareto临界点并结合线搜索策略,证明了算法的收敛性,并在投资组合优化中进行了应用。
2026-03-06 math.OC
A Method for Generating a Well-Distributed Pareto Set in Nonlinear Multiobjective Optimization
在多学科优化中,设计者需要找到最优化问题的解决方案,这些问题包括一些通常相互矛盾的准则。这样的问题在数学上与非线性向量最优化领域相关,其中存在能够提供解决方案的许多数值方法。然而,其中只有少数适合于真正的多学科设计在工业中,因为迭代设计周期通常是非常耗时的。这是由于与每个迭代设计周期相关联的时间尺度和计算资源。最近提出的物理编程方法似乎符合工业应用中提出的许多要求。该方法被修改,使其实现更容易和更有效,主要的焦点是完全帕累托集的均匀生成。该方法被用来寻找不同的测试用例的Pareto曲面。
2005-12-02 math.OC
A Descent Method for Nonsmooth Multiobjective Optimization in Hilbert Spaces
本文提出一种在Hilbert空间中求解非光滑多目标优化问题的下降方法,通过高效近似次微分并计算公共下降方向迭代寻找Pareto临界点,证明了收敛性,并在障碍问题最优控制中验证了效率。
2024-02-09 math.OC
Obtaining properly Pareto optimal solutions of multiobjective optimization problems via the branch and bound method
本文提出一种基于分支定界的算法,利用凸多面体锥诱导的支配关系进行剪枝,为决策者提供 ε-真 Pareto 最优解,并证明了算法的全局收敛性,在基准问题和实际优化问题中验证了其有效性。
2024-02-28 math.OC
A semidefinite programming approach for solving Multiobjective Linear Programming
在文献中有几种算法可用于在多目标线性规划(MOLP)中找到帕累托最优解的整个集合。然而,到目前为止,还没有提出一个内点算法,找到所有的Pareto-最优解的MOLP。我们提出了一个明确的建设,任何MOLP到一个有限序列的半定程序(SDP),其中的解决方案给出了整个帕累托最优的极值点解决方案的MOLP的转换的基础上。这些SDP问题的解决内点方法,因此我们的方法提供了一个伪多项式内点方法来找到一组Pareto-最优解的MOLP。
2011-12-28 math.AC math.OC
Pareto Set Characterization in Constrained Multiobjective Optimization and the COBI Problem Generator *
Inria, CMAP, CNRS, École Polytechnique, Institut Polytechnique de Paris(法国国家信息与自动化研究所,巴黎综合理工学院数学与应用数学中心,法国国家科学研究中心,巴黎综合理工学院,巴黎理工学院);Jožef Stefan Institute(约瑟夫·斯蒂芬研究所)
本文提出可解析求解的约束多目标优化问题,其帕累托集可形式化刻画,通过多峰构造实现多模态性、病态性和非分离性,并引入COBI生成器用于无导数优化算法的基准测试。
2026-04-10 math.OC
Optimality conditions and duality relations in nonsmooth fractional interval-valued multiobjective optimization
研究了一类非光滑分式区间值多目标优化问题的Pareto解。首先通过考虑上下区间序关系,给出了所考虑问题的四种Pareto解,然后应用变分分析和广义微分的一些先进工具,建立了这些解的必要最优性条件.通过引入由局部Lipschitz函数的极限/Mordukhovich次微分定义的(严格)广义凸函数的概念,给出了这类问题Pareto解的充分条件.最后,一个Mond-Weir型对偶模型制定,弱,强和反向的对偶关系进行检查。
2022-12-23 math.OC
Fast Multiobjective Gradient Methods with Nesterov Acceleration via Inertial Gradient-like Systems
在一般的希尔伯特空间中,我们得到了计算光滑、凸和无约束多目标最优化问题弱Pareto最优解的有效算法.为此,我们定义了一个新的惯性梯度动力系统的多目标设置,其轨迹弱收敛到Pareto最优解。该系统的离散化产生一个惯性多目标算法,该算法产生弱收敛到Pareto最优解的序列。我们采用Nesterov加速来定义一个算法,与普通的多目标最速下降方法(算法1)相比,该算法具有改进的收敛速度。在效率方面的进一步改进是通过避免二次子问题的解决方案来计算所有目标函数的公共步长方向来实现的,这通常需要在一阶方法中。使用不同的离散化我们的惯性梯度类动力系统,我们得到一个加速的多目标梯度法,不需要在每一步的子问题的解决方案(算法2)。虽然该算法一般不收敛,但它在测试问题上产生了良好的结果,同时比标准的最速下降快两到三个数量级。
2022-07-26 math.OC
Necessary and sufficient conditions for Pareto efficiency in robust multiobjective optimization
我们为依赖于不确定参数的多目标最优化问题的鲁棒有效性(在Ehrgott等人(2014)的意义上)提供了充要条件。这些条件表明,一个解是鲁棒有效的(在最小化下),如果它是最优的一个强烈增加的标量化函数,只有当它是最优的一个严格增加的标量化函数。通过反例,我们证明了这个必要条件不能加强到凸标量化函数,即使是凸问题。因此,我们定义和特征的一个子集的强大的有效解,一个类似的必要条件持有凸标量化功能。这一结果平行的确定性的情况下,最优的凸和严格增加的标量化函数构成了一个必要条件的效率。通过放射治疗计划优化领域的一个数值例子,我们说明了在不确定的情况下,标量化函数的曲率影响优化解的保守性。
2017-05-29 math.OC
The Quasi-Newton Method for the Composite Multiobjective Optimization Problems
本文针对复合多目标优化问题(CMOP)提出了结合Armijo线搜索的BFGS、自标度BFGS和Huang BFGS等新拟牛顿方法,并证明了算法生成序列的聚点为Pareto稳定点和最优点。
2023-09-10 math.OC
An efficient descent method for locally Lipschitz multiobjective optimization problems
本文对局部Lipschitz连续多目标最优化问题(MOPs)提出了一种有效的下降法.该方法是通过结合一个理论结果,关于计算的下降方向的非光滑MOPs与一个实用的方法来近似的次微分的目标函数。我们证明了收敛到满足Pareto最优性的一个必要条件的点。使用一组测试问题,我们比较我们的方法的多目标近端束方法由Mäkelä。结果表明,我们的方法是有竞争力的,同时更容易实现。当目标函数评估的数量较大时,次梯度评估的总数较低。最后,我们表明,我们的方法可以结合细分算法来计算整个Pareto集的非光滑MOPs。
2020-04-24 math.OC
A Branch and Bound Algorithm for Multiobjective Optimization Problems Using General Ordering Cones
针对多目标优化分支定界算法计算成本高的问题,提出引入序锥偏好信息的新分支定界算法,设计多面与非多面锥的舍弃检验,证明全局收敛性并在测试算例和实际问题中验证有效性。
2024-05-17 math.OC
Two nonmonotone multiobjective memory gradient algorithms
本文提出两种非单调记忆梯度算法用于求解无约束多目标优化问题,并在适当条件下证明了算法生成的完整序列收敛到弱Pareto最优点。
2023-11-29 math.OC
MACS: An Agent-Based Memetic Multiobjective Optimization Algorithm Applied to Space Trajectory Design
本文提出了一种多目标优化的算法,它融合了许多算法。一个人口的代理相结合的策略,旨在探索全球的搜索空间,并在每个代理的邻域。本地和全球档案库的结合补充了这些档案库。首先在一组标准问题上对新的基于智能体的算法进行了测试,然后在空间轨迹设计中的三个具体问题上进行了测试。它的性能进行比较,对一些国家的最先进的多目标优化算法,使用Pareto优势作为选择标准:NSGA-II,PAES,MOPSO,MTS。结果表明,基于代理的搜索可以识别部分的帕累托集,其他算法无法捕获。此外,收敛性在统计上更好,尽管结果的方差在某些情况下更高。
2012-06-06 cs.CE cs.NE math.OC
Towards multiobjective optimization and control of smart grids
可再生能源在电网中的快速吸收导致了对负载整形和灵活性的需求。电池等储能设备是为这些任务提供解决方案的关键要素。然而,通常可以观察到负载整形的性能相关目标与在存储中具有用于辅助服务的灵活性的目标之间的折衷,其例如与网格的鲁棒性和弹性相关联。我们建议利用帕累托最优的概念,以解决这个问题的多目标框架。特别是,我们分析了帕累托边界和量化不结盟目标之间的权衡,以适当地平衡它们。
2019-07-15 math.OC
qPOTS: Efficient batch multiobjective Bayesian optimization via Pareto optimal Thompson sampling
本文提出 qPOTS,一种基于 Pareto 最优 Thompson 采样的批量 MOBO 方法,通过在后验 GP 上进行低成本进化多目标优化避免采集函数难题,并保证样本效率与实证性能。
2025-02-16 math.OC stat.ML
Fast Convergence of Inertial Multiobjective Gradient-like Systems with Asymptotic Vanishing Damping
提出首个带渐近消失阻尼的惯性多目标类梯度动力系统,证明其解弱收敛于弱帕累托最优点且函数值收敛率达$O(t^{-2})$,为多目标优化快速梯度法奠定基础。
2024-03-27 math.OC
ROM-based multiobjective optimization of elliptic PDEs via numerical continuation
多目标优化在现代应用中起着越来越重要的作用,其中多个目标通常具有同等重要性。因此,多目标优化和多目标最优控制的任务是计算冲突目标之间的最优折衷集(Pareto集)。由于帕累托集通常由无限数量的解决方案,计算工作可以很快成为具有挑战性的,这是特别有问题的,当目标是昂贵的评估是由偏微分方程(PDE)的模型的情况下。为了将数值工作量减少到可承受的量,可以使用代理模型来代替昂贵的PDE评估。现有的多目标最优化方法,使用模型降阶是有限的,要么低参数尺寸或少数(理想情况下两个)的目标。在这篇文章中,我们提出了一个组合的减少基础模型降阶法与连续的方法,使用不精确的梯度。由此产生的方法可以处理任意数量的目标,同时产生显着减少计算时间。
2019-06-21 math.OC
Multiobjective Combinatorial Optimization with Interactive Evolutionary Algorithms: the case of facility location problems
本文考虑用偏好驱动的有效算法处理多目标组合最优化问题。他们根据决策者在这个过程中表达的一些偏好来寻找帕累托前沿中最受欢迎的部分。一般来说,在这种情况下搜索的是有效解的帕累托集合。这是一个比优化单个目标函数困难得多的问题。此外,获得帕累托集并不意味着解决了判定问题,因为必须选择一个或一些解。事实上,要做出决定,有必要确定帕累托集合中最优选的解决方案,因此也有必要引出用户的偏好。从这个角度来看,我们所提出的可以被看作是第一个结构化的方法在设施定位问题搜索最优解考虑到用户的喜好。有了这个目标,我们接近设施定位问题,使用最近提出的交互式进化多目标优化程序称为NEMO-II-CH。NEMO-II-CH适用于现实世界中的多目标定位问题与许多用户和许多设施被定位。几个模拟考虑不同的虚拟用户已经执行。NEMO-II-Ch得到的结果进行了比较,通过三种算法,知道用户的真实价值函数,而不是未知的NEMO-II-Ch。他们表明,在许多情况下,NEMO-II-Ch找到最佳的位置子集更快的方法知道,确切地说,整个用户的真实偏好。
2022-03-08 math.OC
Multiobjective Optimization of Non-Smooth PDE-Constrained Problems
本文综述了非光滑PDE约束多目标优化领域的最新进展,重点报告了DFG优先计划1962项目2在处理开关、状态约束与模型降阶方面的研究成果。
2023-08-02 math.OC
A global Barzilai and Borwein's gradient normalization descent method for multiobjective optimization
本文提出了一种用于多目标优化的全局巴兹利AI和博文梯度归一化下降法,通过改进的归一化技术和线搜索策略,实现了帕累托临界点的全局收敛性和线性收敛率。
2025-12-11 math.OC
Proximal point method for a special class of nonconvex multiobjective optimization functions
研究了一类特殊的非凸多目标函数的邻近点法。我们表明,该方法是定义良好的,任何生成的序列,如果有的话,是Pareto-克拉克临界点的积累点。此外,在额外的假设下,我们证明了所生成的序列的完全收敛性。
2017-02-17 math.OC
A dynamic gradient approach to Pareto optimization with nonsmooth convex objective functions
在一般的Hilbert框架下,研究了一类非光滑凸目标函数约束多目标优化问题的连续类梯度动力系统.我们的方法是在以前的工作中,被认为是凸dierentiable目标函数的情况下。通过对系统中的细分算子进行Yosida正则化,得到了强全局轨线的存在性.我们证明了每个目标函数的下降属性,和弱Pareto最小的轨迹收敛。该方法提供了目标函数的动态内生加权。应用合作对策,反问题,和数值多目标优化。
2014-06-06 math.OC
Fast Convergence of Multiobjective Inertial Gradient Systems with Time Scaling
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆应用数学中心,重庆师范大学)
本文提出多目标惯性梯度系统时间缩放方法,通过调节时间缩放函数参数实现亚线性收敛,验证了其在多目标优化中的有效性。
2026-01-07 math.OC
Adaptive generalized conditional gradient method for multiobjective optimization
本研究提出一种适用于有/无约束多目标优化的广义条件梯度法,结合归一化下降方向与线搜索,证明了Pareto最优性收敛性并分析复杂度,数值实验验证了其可行性与竞争力。
2025-03-22 math.OC
A Linear Scalarization Proximal Point Method for Quasiconvex Multiobjective Minimization
本文提出了一种求解任意下半连续拟凸多目标极小化问题的线性标量化邻近点法。在一些自然的假设下,利用邻近参数有界的条件,证明了算法产生的序列的收敛性,并在目标函数连续的情况下,证明了算法产生的序列收敛于广义临界点。此外,如果每次迭代最小化邻近正则化函数和邻近参数收敛到零,我们证明了收敛到一个弱Pareto解。在连续可微情形下,证明了该序列对Pareto临界点的整体收敛,并给出了一个具有相同收敛性质的非精确算法.当目标函数为凸函数且满足一个尖锐极小值条件时,我们还分析了算法有限收敛到Pareto最优点的特殊情况。
2015-10-02 math.OC
Second-order optimality conditions for multiobjective optimization problems with constraints
本文引入了开集上Gâteaux可微且Gâteaux导数映射局部Lipschitz的函数的二阶次微分。基于这类二阶次微分的性质和变分分析技巧,我们得到了约束多目标规划问题弱Pareto有效解的二阶必要条件.
2019-09-21 math.OC
Optimizing Inventory Management through Multiobjective Reverse Logistics with Environmental Impact
针对逆向物流中维修品需求上升的库存管理问题,构建考虑成本与环境影响的多目标混合整数规划模型,提出Pareto解求解算法并对比多种标量化技术的效果。
2024-06-19 math.OC
A Trust Region Method for Pareto Front Approximation
本文研究了所有目标函数都不是解析给出的黑箱多目标最优化问题。在多目标优化中,重要的是在Pareto前沿上产生一组均匀分布的离散解,以建立良好的近似。在黑盒双目标优化中,可以用Pareto前沿的排序性质来计算解之间的距离。这些距离允许能够评估所有溶液点的分布,因此保持溶液分布的均匀性并不困难。然而,具有两个以上目标的问题不具有排序性质,因此需要注意的是,这些问题需要其他技术来测量覆盖率并保持解分布的均匀性。本文提出了一种基于置信域方法的多目标黑箱优化问题Pareto前沿逼近算法。该算法利用密度函数在非支配点集中选择一个参考点,并探索该点周围的区域。这确保了均匀的解决方案的分布,即使是有两个以上的目标函数的问题。我们还证明了算法的迭代点收敛于Pareto临界点。最后,我们提出的数值结果表明,该算法产生的一组分布良好的解决方案,逼近帕累托前沿,即使在有三个目标函数的问题的情况下。
2022-02-10 math.OC
Integral Global Optimality Conditions and an Algorithm for Multiobjective Problems
本文针对不一定可微的多目标问题,通过加权和与Chebyshev加权标量化方法将积分全局最优性条件从单目标扩展至多目标,并提出一种基于Chebyshev标量化的算法以逼近弱Pareto前沿,通过测试问题验证了其有效性。
2022-05-01 math.OC
Network Models for Multiobjective Discrete Optimization
本文提供了一个新的框架,解决多目标离散最优化问题的任意数量的目标。我们的框架制定这些问题的网络模型,在枚举帕累托边界相当于解决一个多准则最短路问题在辅助网络。我们设计的技术,利用网络模型,以加快识别的帕累托前沿,最显着的一些操作,以简化网络删除节点和弧,同时保留一组非支配的解决方案。我们表明,该框架产生订单的数量级的性能改进现有的最先进的算法上包含线性和非线性目标函数的五个问题类。
2018-09-05 cs.DS math.OC
Error estimates for a multiobjective optimal control of a pointwise tracking problem
针对受泊松问题与双边约束的点态跟踪多目标最优控制问题,提出两种基于有限元的标量化方法并证明先验误差估计,用Barzilai-Borwein梯度法求解子问题,数值实验验证了精度。
2025-05-19 cs.NA math.NA math.OC
Novel insights into Pareto fronts in multiobjective topology optimization and a comparative study of scalarization strategies
KU Leuven(荷语鲁汶大学);Technische Universität Ilmenau(伊尔梅瑙工业大学);Technical University of Denmark(丹麦技术大学)
本文理论比较了加权和、ε-约束与Pascoletti-Serafini标量化方法,揭示了拓扑优化中Pareto前沿由局部前沿片段组成,可能导致非凸不连通前沿,并通过数值实验展示了不同方法的逼近效果。
2026-08-27 math.OC
A descent method for nonsmooth multiobjective optimization problems on Riemannian manifolds
该研究提出黎曼流形上非光滑多目标优化的下降法,仅需目标函数局部利普希茨连续,通过黎曼ε-次梯度凸包获下降方向结合Armijo线搜索,证明有限步收敛到帕累托最优必要条件点,数值实验验证了方法有效性。
2025-01-13 math.OC
A Descent Method for Equality and Inequality Constrained Multiobjective Optimization Problems
本文提出了一种求解等式和不等式约束多目标最优化问题的下降法,它利用两种有效集策略将Fliege和Svaiter求解无约束多目标优化问题的最速下降法推广到有约束问题.在一定的正则性假设下,证明了下降法的聚点满足局部Pareto最优的一个必要条件.最后,我们在一个数值例子中展示了我们的方法的典型行为。
2017-12-11 math.OC
Inverse multiobjective optimization: Inferring decision criteria from data
这是一个非常具有挑战性的任务,以确定某个决定的基础上的目标,特别是如果几个,可能相互冲突的标准是同样重要的,一个连续的最佳折衷的决定存在。这个任务可以理解为多目标优化的逆问题,目标是找到给定Pareto集的目标向量。为此,我们提出了一种方法来构造多目标最优化问题(MOP)的目标向量,使得Pareto临界集包含一组给定的数据点或决策向量。其核心思想是将多目标KKT条件中的目标向量视为变量,然后搜索使所得方程组的欧几里德范数最小的目标。通过在有限维的基础上表达的目标,我们把这个问题转化为一个齐次,线性方程组,可以有效地解决。这种方法有许多重要的潜在应用。除了目标的识别(从干净的和有噪声的数据),该方法可用于昂贵的MOPs,这产生显着的加速代理模型的建设。这两个应用程序都说明了使用几个例子。
2019-01-18 math.OC
Evolutionary multiobjective optimization of the multi-location transshipment problem
Ecole nationale des Sciences de l’Informatique (ENSI)(国立计算机科学学院(ENSI));ISG de Tunis(突尼斯高等管理学院);Université de Tunis(突尼斯大学)
我们考虑一个多地点的库存系统,在每个位置的库存选择集中协调。允许在库存系统的同一层级内进行横向转运作为追索行动,以降低成本和提高服务水平。然而,这种转运过程通常会导致不理想的交货时间。在本文中,我们提出了一个多目标模型的多地点转运问题,解决优化三个相互冲突的目标:(1)最小化总期望成本,(2)最大化的期望填充率,(3)最小化期望转运提前期。我们采用进化多目标优化方法,使用强度Pareto进化算法(SPEA2),近似最优Pareto前沿。具有广泛选择的模型参数的模拟显示了冲突目标之间的不同权衡。
2011-02-08 cs.AI math.OC
A Proximal Gradient Method with an Explicit Line search for Multiobjective Optimization
针对凸多目标优化问题,提出一种带回溯线搜索的近端梯度法,每次迭代仅解一个近端子问题,证明其收敛于弱Pareto最优点且迭代复杂度为$\boldsymbol{\textit{O}}(1/\boldsymbol{\textit{ε}})$,并通过数值实验验证了实际性能。
2024-04-17 math.OC
Regularized Multiobjective Optimization with Directionally Lipschitzian Data
Department of Mathematics and Institute for AI and Data Science, Wayne State University(韦恩州立大学数学系与人工智能与数据科学研究所)
本文提出利用方向性Lipschitz函数的正则化方法,推导多目标优化问题的帕累托最优必要条件。
2025-11-20 math.OC
Robust Optimization Approach for Solving Uncertain Multiobjective Optimization Problems Using the Projected Gradient Method
本文将投影梯度法扩展至不确定多目标优化问题,结合逐目标最坏情况代价构建鲁棒对等模型,提出投影梯度下降算法并证明其收敛到鲁棒弱Pareto最优解,数值实验验证了方法有效性。
2025-03-09 math.OC
Flower Pollination Algorithm: A Novel Approach for Multiobjective Optimization
多目标设计最优化问题需要多目标优化技术来解决,并且精确地获得高质量的Pareto前沿通常是非常具有挑战性的。本文将新近发展起来的花授粉算法(FPA)推广到求解多目标最优化问题。将该方法用于求解一组多目标检验函数和两个双目标设计基准,并与其他算法进行了比较,结果表明该算法具有良好的收敛速度.最后,强调和讨论了进一步的参数研究和理论分析的重要性。
2014-08-22 cs.NE math.OC nlin.AO
Decomposition-Invariant Pairwise Frank-Wolfe Algorithm for Constrained Multiobjective Optimization
针对可行域为任意有界多面体的约束多目标优化问题,提出分解不变的成对 Frank-Wolfe 算法,并仅在强凸性下证明其整体序列线性收敛至 Pareto 最优解。
2024-09-07 math.OC
Gradient-Based Multiobjective Optimization with Uncertainties
在这篇文章中,我们开发了一个基于梯度的算法解决多目标最优化问题的不确定性。为此,一个额外的条件推导出的下降方向,以占梯度的不准确性,然后纳入一个细分算法的全局解的计算多目标最优化问题。证明了该算法收敛于Pareto集的超集,并给出了到次平稳点集的最大距离的上界。除了适用于具有不确定性的问题,该算法的目的是使用它与模型降阶技术相结合,以有效地解决偏微分方程约束的多目标最优化问题。
2017-04-05 math.OC
On Upper Approximations of Pareto Fronts
在我们早期的一项工作中,我们提出了通过双侧近似来近似多目标最优化问题的Pareto前沿,一个来自可行目标集的内部,另一个来自可行目标集的外部,分别称为下壳和上壳。我们在那里工作的假设下,对于一个给定的问题,存在一个上壳。由于情况并非总是如此,本文给出了上壳存在的几个充分条件。我们还研究了如何建设性地搜索不可行集,以获得上壳。我们通过问题放松来处理这个问题。我们正式表明,在一定的条件下,一些子集的下壳放松多目标最优化问题的上壳在各自的非放松问题。给出了一个小而真实的力学问题的数值算例。的结果的实际意义进行了讨论。
2017-11-02 math.OC
Sample average approximation of multiobjective stochastic optimization problems with application in insurance
本文提出用样本均值近似将多目标随机优化转化为确定性多准则问题,在向量容差内求弱帕累托有效解,并证明收敛性,应用于保险业务优化。
2026-09-17 math.OC
Memory gradient method for multiobjective optimization
本文提出了一种新的寻找多目标最优化问题Pareto临界点的下降法,称为多目标记忆梯度法。该方法的主要思想是选择当前下降方向和过去多步迭代信息的组合作为新的搜索方向,并通过两种策略获得步长。证明了具有适当参数的发展方向在每次迭代时总是满足充分下降条件。在适当的假设下,我们得到了算法的整体收敛性和收敛速度。最后通过数值实验验证了该方法的有效性。
2022-06-01 math.OC
Variable Metric Method for Unconstrained Multiobjective Optimization Problems
本文提出了一种求解无约束多目标最优化问题的变度量法。首先,在一般框架中使用不同的正定矩阵生成点序列。证明了序列的聚点是Pareto临界点。然后,没有凸性假设,强收敛性所提出的方法。此外,我们使用一个公共矩阵来逼近所有目标函数的黑塞矩阵,并由此提出了一种新的非单调线搜索技术,以获得局部超线性收敛速率.最后,数值结果验证了该方法的有效性.
2022-07-15 math.OC
Topology of Pareto sets of strongly convex problems
一个多目标最优化问题是单纯的,如果帕累托集和前沿同胚到一个单纯形,在同胚下,每个面的单纯形对应于帕累托集和前沿的一个子问题。本文证明了强凸问题在对目标映射的微分的秩作较弱的假设下是单纯的。我们进一步证明,可以使任何强凸问题满足的假设,一般的线性扰动,只要源的尺寸是足够大的目标。我们证明了定位问题,生物建模,和岭回归可以减少到多目标强凸问题,通过适当的变换保持帕累托排序和拓扑结构。
2019-06-27 math.GT math.OC