Convergence rates analysis of a multiobjective proximal gradient method
在过去的二十年里,人们发展了许多多目标优化的下降算法。Tanabe等人(Comput Optim Appl 72(2):339--361,2019)提出了一种用于多目标优化的近似梯度法,该方法可以解决多目标问题,其目标函数是连续可微函数和封闭的、适当的和凸的函数之和。在合理的假设下,该方法产生的序列的聚点是Pareto平稳的。然而,在该论文中没有确定收敛速度。在这里,我们展示了全局收敛速度的多目标近端梯度法,匹配什么是已知的标量优化。更具体地说,通过使用价值函数来衡量的复杂性,我们提出了收敛速度的非凸($O(\sqrt{1 / k})$),凸($O(1 / k)$),强凸($O(r^k)$为某些$r \in (0, 1)$)问题。我们还推广了多目标优化的所谓的Polyak-Projojasiewicz(PL)不等式,并建立了满足这种不等式的多目标问题的线性收敛速率($O(r^k)$ for some $r \in (0, 1)$).
2022-04-08 math.OC
Proximal Quasi-Newton Methods for Multiobjective Optimization Problems
针对无约束多目标最优化问题(简称UMOP),提出了几种新的近似拟牛顿法,其中每个目标函数是一个二次连续可微强凸函数和一个适当的下连续凸但不一定是可微函数之和.我们提出了近似BFGS方法,近似自缩放BFGS方法,和近似黄BFGS方法(UMOP)与线搜索和没有线搜索的情况下。在温和的假设下,我们证明了由这些算法产生的序列的每个聚点,如果存在的话,是(UMOP)的Pareto平稳点。此外,我们还介绍了它们在约束多目标最优化问题和鲁棒多目标最优化问题中的应用。特别地,对于鲁棒多目标最优化问题,我们证明了近似拟牛顿算法的子问题可以看作是带二次不等式约束的二次极小化问题。数值实验也验证了所提出的近似拟牛顿法的有效性。
2022-04-07 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
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 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
Iteration-complexity and asymptotic analysis of steepest descent method for multiobjective optimization on Riemannian manifolds
研究了具有下界截面曲率的黎曼流形上多目标优化的最速下降法。本文件的目的是双重的。首先,该方法的渐近分析提出了三种不同的有限程序来确定步长,即Lipschitz步长,自适应步长和Armijo型步长。第二个目的是目前,通过假设的目标函数的雅可比矩阵是分量Lipschitz连续的,迭代复杂性的界限的方法,这三个步长的战略。此外,还列举了一些实例,以强调在这一新的背景下开展工作的重要性。数值实验验证了该方法的有效性,并验证了理论结果。
2019-06-14 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
A proximal subgradient algorithm for constrained multiobjective DC-type optimization
Hanoi Pedagogical University 2(河内第二师范大學);RMIT University(皇家墨尔本理工大学)
本文提出了一种近端subgradient算法,用于解决受约束的多目标DC型优化问题,通过建立最优性条件并保证序列有界性,实现了对非凸问题的有效求解。
2026-09-04 math.OC
A proximal gradient method with adaptive backtracking for weakly smooth multiobjective optimization
Nihon University(日本大学);The Institute of Statistical Mathematics(统计数学研究所)
针对弱光滑多目标优化问题,提出无参数自适应线搜索近端梯度法,建立非凸、凸情形下的复杂度结果,非凸情形接受更宽松的 stationarity 测度,凸情形复杂度优于非凸情形。
2026-08-04 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
Conjugate gradient methods without line search for multiobjective optimization
针对无约束多目标优化问题,本文采用固定步长公式替代Wolfe型线搜索,推导了Zoutendijk型条件,证明了多种共轭梯度参数向量扩展的全局收敛性,并通过实验验证了其优于传统线搜索方法的性能。
2024-10-12 math.OC
A derivative-free approach to mixed integer constrained multiobjective nonsmooth optimization
在这项工作中,我们考虑多目标最优化问题与约束约束的变量和一般的非线性约束,目标和约束函数值只能通过查询一个黑盒。此外,我们考虑的情况下,一个子集的变量只能采取整数值。我们提出了一个新的基于线搜索的解决方案的方法,并表明它收敛到一组固定点的问题。对于连续变量,我们采用了一种估计帕累托前沿最近提出的文献中,并利用密集序列的搜索方向的战略。必须假设离散值的变量的子集处理使用适当修改的原始方向,以考虑到存在一个以上的目标函数。一组测试问题的数值结果与其他解决方法的比较表明,所提出的方法的可行性和效率。
2022-04-14 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
Global $o(1/k^2)$ Merit Complexity of Regularized Newton Methods for Convex Multiobjective Optimization
School of Mathematical Sciences, Shenzhen University(深圳大学数学与统计学院)
针对凸多目标优化问题,提出一种正则化牛顿方法,利用Tanabe型优度函数证明在紧性假设下全局渐近收敛率为$o(1/k^2)$,并通过一维反例说明该指数在一致多项式意义下是最优的。
2026-06-29 math.OC
An accelerated primal-dual flow for linearly constrained multiobjective optimization
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆师范大学 重庆应用数学中心);School of Mathematical Sciences, Chongqing Normal University(重庆师范大学 数学科学学院);Chongqing Research Institute of Big Data, Peking University(北京大学 重庆大数据研究院)
本文提出一种连续时间的加速多目标原始-对偶流方法,通过引入新评价函数和Lyapunov函数分析其指数衰减率,并设计隐式-显式离散方案证明次线性收敛率。
2025-11-05 cs.NA math.NA math.OC
An accelerated gradient method with adaptive restart for convex multiobjective optimization problems
本文针对凸多目标优化问题,基于连续时间方法提出一种带自适应残差重启的加速多目标梯度方法,并证明了其在凸和强凸情形下的次线性与线性收敛速率。
2025-02-05 cs.NA math.NA math.OC
Green Inventory Management: Leveraging Multiobjective Reverse Logistics
Queensland University of Technology (QUT)(昆士兰科技大学);Institute of Innovation, Science and Sustainability, Federation University Australia(联邦澳大利亚大学创新、科学与可持续发展研究所)
提出一个整合生产与再制造率的逆向物流经济生产批量模型,构建多目标优化框架同时最小化库存成本与温室气体排放,通过混合整数非线性规划求解并验证。
2026-06-23 math.OC
An accelerated proximal gradient method for multiobjective optimization
针对无标量化多目标凸优化缺乏加速方法及收敛速率证明的问题,将FISTA推广为多目标加速近端梯度方法,通过特有子问题及其对偶求解实现$O(1/k^2)$全局收敛速率,并经数值实验验证。
2023-04-26 cs.NA math.NA math.OC
A Homotopy Framework for Constrained Multiobjective Optimization
Clarkson University(克拉克森大学)
本文提出一种基于同伦的框架,用于计算多目标优化问题的KKT点,通过连续变形易解系统至KKT条件,保证全局收敛性,并在数值实验中展示出鲁棒性与高效性。
2026-10-16 cs.NA math.NA 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
A Quasi-Newton Method to Solve Uncertain Multiobjective Optimization Problems with Uncertainty Set of Finite Cardinality
针对不确定集基数有限的不确定多目标优化问题,提出一种结合集值优化划分集概念的拟牛顿迭代方法,证明其全局收敛与局部超线性收敛性,数值算例验证了方法有效性。
2025-05-20 math.OC
Stochastic Approximation in convex multiobjective optimization
给定一个以$f_1,\dots,f_N$为目标函数的严格凸多目标最优化问题,用$x_0$表示其解,该解是线性标量化问题的极小点,其中目标函数是$f_1,\dots,f_N$与权$t_1,\ldots,t_N$的凸组合.本文的主要结果给出了一个估计的平均误差,如果我们近似$x_0$的最小点的凸组合的$n$功能,选择$f_1,\dots,f_N$,概率$t_1,\ldots,t_N$,分别与相同的系数$1/n$加权。特别是,我们证明了上述考虑的平均误差收敛到0的$n$去$\infty$,均匀w.r.t.权重$t_1,\ldots,t_N$。在我们的随机逼近定理的证明中的关键工具是一个几何性质,我们称之为小直径属性,确保函数$f_1,\dots,f_N$的凸组合的最小点连续依赖于凸组合的系数。
2023-03-03 math.FA math.OC
Universal nonmonotone line search method for nonconvex multiobjective optimization problems with convex constraints
本文提出一种求解带凸约束非凸多目标优化问题的通用非单调线搜索方法,证明其迭代复杂度并受Metropolis准则启发提出新步长规则,适用于含大量局部极小值的多目标问题。
2024-11-14 math.OC
A Cubic Regularization Method for Multiobjective Optimization
本文提出非凸无约束多目标优化的三次正则化方法,通过非单调线搜索联合调节正则化参数与导数近似精度,并给出迭代复杂度、函数求值复杂度及全局与局部收敛结果。
2025-06-09 math.OC
Fairness in Maximal Covering Location Problems
本文提供了一个通用的数学优化为基础的框架,将公平措施从设施的角度来看,离散和连续的最大覆盖定位问题。在这个问题中,构造一个衡量公平性的函数的主要成分是使用:(1)有序加权平均算子,一个非常流行的解决多目标组合最优化问题的聚合标准族;和(2)$α$ -公平性算子,允许推广大多数的公平措施。一个通用的数学最优化模型,它捕获的最大覆盖定位问题的公平性的概念。该模型首先表示为离散和连续位置空间的混合整数非线性最优化问题。合适的混合整数二阶锥优化的重新使用问题的几何性质。最后,本文得出结论,在真实数据集上进行了大量的计算实验。所得到的结果支持所提出的方法的方便。
2022-11-15 math.OC
MPFA: A Pareto Front Approximation Method for Riemannian Bi-objective Optimization
Southwest University(西南大学);ICTEAM Institute, UCLouvain(UCLouvain ICTEAM研究所)
提出一种基于Hermite插值的黎曼流形双目标优化帕累托前沿逼近方法,无需多初始点即可生成连续前沿,具有收敛性保证和高精度,并成功应用于稀疏主成分分析。
2026-09-10 math.OC
Second-Order Optimality Conditions for Sparse Differentiable Optimization Problems via Limiting Second-Order Subdifferentials
Hung Vuong University(胡越大学);Hanoi Pedagogical University 2(河内师范大學第二分校);Northeast Normal University(东北师范大学)
本文利用极限(Mordukhovich)二阶次微分,在温和假设下建立了稀疏可微优化问题的二阶必要和充分最优性条件,并推广到稀疏多目标优化问题。
2026-06-01 math.OC
Single and Multi-Objective Performance Optimization of an Algal-Bacterial Synthetic Process
本研究针对光遗传可控藻菌共生系统,拓展其稳态生产性能优化研究,考虑多类目标准则与控制参数,给出解析结果并通过仿真验证,为藻菌合成工艺的性能优化提供理论支撑。
2025-09-03 math.OC
A deterministic optimization algorithm for nonconvex and combinatorial bi-objective programming
University College London(伦敦大学学院);Imperial College London(帝国理工学院)
本文提出SDNBI算法,通过有效探索非凸Pareto前沿区域并早期识别无解区域,在计算成本和Pareto最优集质量上优于改进NBI和SD算法,适用于非凸和组合双目标优化问题。
2026-09-30 math.OC