Efficiently Constructing Convex Approximation Sets in Multiobjective Optimization Problems
本研究提出一种基于加权和标量化算法的多项式时间凸近似集计算方法,作为Benson外近似算法对偶版的近似变体,在保证相同最坏近似质量的同时提升了效率,并通过多类三目标优化问题算例验证了优势。
2023-06-10 math.OC
Optimality Conditions and Duality for Multiobjective Fractional Bilevel Optimization Problems
National Institute of Technology, Chaltlang(查尔特兰国家技术学院)
本文提出了一种多目标分数双层优化问题的最优性条件与对偶性研究方法,利用非光滑约束资格条件和广义凸性概念,建立了更精细的最优性条件并证明了对偶定理。
2025-11-22 math.OC
Multiobjective Balanced Gradient Flow: A Dynamical Perspective on a Class of Optimization Algorithms
本文提出多目标平衡梯度流(MBGF)动力系统,为多目标优化的归一化梯度方法提供动力学视角,证明凸场景下其收敛于弱帕累托点,并给出凸与非凸场景的收敛速率分别为O(1/t)和O(1/√t)。
2025-08-24 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
A nonmonotone proximal quasi-Newton method for multiobjective optimization
针对无约束凸多目标复合优化问题,提出一种非单调邻近拟牛顿法,通过最小化海森近似与非光滑项变化的最大标量化确定搜索方向,结合非单调线搜索,证明其收敛至Pareto最优解且具局部超线性收敛率,实验验证了其可行性与有效性。
2023-10-03 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
Global convergence of a BFGS-type algorithm for nonconvex multiobjective optimization problems
本研究提出一种改进的BFGS算法,通过采用Wolfe步长、迭代更新修正海森矩阵近似,在目标函数非凸的多目标优化问题中实现全局收敛与常规条件下的超线性收敛,且保留原算法的实际效率。
2024-04-11 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
Some results on condition numbers in convex multiobjective optimization
各种条件数的概念被用来研究标量最优化问题的某些灵敏度方面。本文的目的是引入条件数的概念来研究R^n中给定闭球上由m个凸C^1,1目标函数定义的多目标最优化问题的情形.提出了两种办法:第一种方法采用围绕给定解点的局部观点,而第二种方法将解集视为整体。两个概念之间的良好条件的问题的比较。我们强调,在目前的工作中引入的条件数减少到相同的条件数Zolezzi在2003年提出的标量最优化问题的特殊情况下,考虑有。函数之间的伪距离被定义为使得条件数提供了一个上界,该上界关于可以选择离良好条件函数f多远的扰动函数g,以便g也是良好条件的。对于局部和整体方法,证明了经典的Eckart-Young距离定理的推广,即使只考虑一类特殊的扰动。
2012-01-27 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 Scalarization Proximal Point Method for Quasiconvex Multiobjective Minimization
本文提出了一种解具有局部Lipschitz和拟凸向量函数的多目标无约束极小化问题的标量化邻近点方法。我们证明,在自然的假设下,由该方法产生的序列是很好的定义和全局收敛到一个Pareto-Clarke临界点。我们的方法可以被看作是一个扩展,为非凸的情况下,不精确的近似方法的多目标凸最小化问题研究Bonnel等人。(SIAM杂志优化15,4,953-970,2005)。
2014-07-24 math.OC
MOCVXPY: a CVXPY extension for multiobjective optimization
GERAD and Département de mathématiques et de génie industriel, Polytechnique Montréal(蒙特利尔高等商学院 GERAD 及数学与工业工程系);Department of applied mathematics, Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学应用数学系)
本文介绍MOCVXPY,一个基于CVXPY的开源Python库,用于凸向量优化,支持直观代数描述,并通过金融和能源实例展示其功能。
2025-10-23 math.OC
Multiobjective Optimization in a Quantum Adiabatic Computer
本文提出了一种求解多目标组合优化的量子算法。我们展示了如何将目标函数的凸组合映射到哈密顿算子上,然后使用该哈密顿算子来证明Farhi \emph{et al.} [arXiv:quant-ph/0001106]的量子绝热算法可以在有限时间内找到帕累托最优解,前提是使用某些目标的凸组合,并且底层的多目标问题满足某些限制。
2017-06-30 cs.DS math.OC quant-ph
Global convergence of a modified BFGS-type method based on function information for nonconvex multiobjective optimization problems
针对非凸多目标优化,提出改进BFGS型方法MFQNMO,用公共矩阵近似所有目标Hessian矩阵以降低计算负担,证明了其不依赖凸性的收敛性与局部超线性收敛速率,并通过实验验证有效性。
2024-10-11 math.OC
Sequential Henig proper optimality conditions for multiobjective fractional programming problems via sequential proper subdifferential calculus
本文在没有任何约束规格的情况下,利用函数的$ε$ -次微分和次微分,给出了约束多目标分式规划问题存在Henig正常有效解的序列最优性充要条件.这是通过采用序列Henig次微分规则的总和$m \ (m\geq 2)$正常的凸向量值映射与两个凸向量值映射的组合。为了举例说明本文的主要结果,我们在Moreau-Rockafellar条件下建立了经典的最优性条件。我们的主要结果是在自反巴拿赫空间中给出的,避免了网的使用。
2023-02-20 math.OC
Barzilai-Borwein Proximal Gradient Methods for Multiobjective Composite Optimization Problems with Improved Linear Convergence
本文针对多目标优化中目标函数不平衡导致收敛缓慢的问题,提出两类Barzilai-Borwein近端梯度方法BBPGMO,证明其在非凸、凸和强凸情形下分别达到次线性、次线性和线性收敛速率,并在多个线性目标函数情形下获得优于现有一阶方法的线性收敛性能。
2023-08-09 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
Approximate solutions for robust multiobjective optimization programming in Asplund spaces
本文研究了任意Asplund空间中带不确定约束的非光滑/非凸多目标最优化问题。首先给出了近似弱鲁棒有效解的模糊形式的最优性必要条件最优性条件,然后利用Frechet次微分的模糊最优性条件,在极限次微分意义下建立了近似弱鲁棒拟有效解的最优性必要定理.在广义伪凸函数的新概念下,得到了该问题近似(弱)鲁棒拟有效解的充分条件.最后,我们解决了一个近似的Mond-Weir型对偶鲁棒问题的参考问题,并探讨弱,强,逆对偶性质的假设下的伪凸性。
2022-11-14 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
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
Inertial dynamics with vanishing Tikhonov regularization for multiobjective optimization
本文提出一种带消失阻尼和Tikhonov正则化的二阶动力系统解决多目标优化问题,证明了解的存在性与快速收敛性,并扩展了单目标优化理论,为快速梯度及近端点方法奠定基础。
2025-06-27 math.OC
Optimality conditions for robust nonsmooth multiobjective optimization problems in Asplund spaces
我们采用模糊最优性条件的Frechet次微分和一些先进的变分分析技术,如公式的次微分的一个无限的家庭的非光滑函数和余导数标量化研究鲁棒最优性条件和鲁棒对偶的非光滑/非凸多目标最优化问题处理不确定性约束在任意Asplund空间。我们建立必要的最优性条件弱和适当的鲁棒有效解的问题的Mordukhovich次微分的相关功能。进一步,通过引入广义凸性的新概念,给出了该问题弱鲁棒有效解和真鲁棒有效解的充分条件.最后,我们制定了一个Mond-Weir型的鲁棒对偶问题的参考问题,并检查弱,强,和逆对偶关系,它们之间的伪凸性假设。
2022-11-14 math.OC
Relaxations and Duality for Multiobjective Integer Programming
本文研究多目标整数规划的松弛与对偶理论,提出连续、凸包和拉格朗日松弛并分析其关系,构造了在支撑解处具有强对偶性的拉格朗日对偶和集值超加性对偶,并通过数值实验验证拉格朗日对偶可获得更紧的界。
2023-09-15 math.OC
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
Set-Valued Return Function and Generalized Solutions for Multiobjective Optimal Control Problems (MOC)
本文考虑多目标最优控制问题,其中目标空间中的偏好关系定义为包含原点的尖凸锥,定义了广义Pareto最优性。对于这个问题,我们引入了集值返回函数V,并利用集值映射的余导数和余导数给出了V的一个唯一刻画,从而推广了两个先前引入的单目标最优控制问题Hamilton-Jacobi方程广义解的概念.
2011-10-06 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 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 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
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
A generalized conditional gradient method for multiobjective composite optimization problems
本文研究多目标复合最优化问题,它是由同时极小化若干个目标函数组成的,每个目标函数由光滑和非光滑函数组成。为了解决这些问题,我们提出了一个广义版本的条件梯度法,也被称为弗兰克-沃尔夫方法。该方法进行了分析与三个步长策略,包括Armijo型,自适应,并减少步长。我们建立了渐近收敛性质和迭代复杂性的界限,有和没有凸性假设的目标函数。数值实验说明的方法的实际行为。
2023-02-24 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 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
Stochastic Multiobjective Acceptability Analysis for the Choquet integral preference model and the scale construction problem
Choquet积分是多准则决策辅助(MCDA)中用于处理准则之间相互作用的偏好模型。随机多目标可接受性分析(SMAA)是一种MCDA方法,用于考虑手头问题的不精确性或缺乏数据。例如,SMAA允许计算一个替代方案在整个可接受的偏好参数空间中排名第k的频率,例如,在通过加权和模型聚合对所考虑的标准的评估的情况下,在与决策者(DM)提供的偏好信息兼容的权重空间中。在本文中,我们建议将SMAA方法与Choquet积分偏好模型相结合,以获得强大的建议,同时考虑到整个空间的偏好参数与DM的偏好信息兼容。在一个共同的尺度上的所有标准的替代品进行评估的情况下,偏好参数给出的能力表示的非加性的权重,代表的重要性标准和它们的相互作用。如果这些标准在不同的尺度上进行评估,除了能力之外,偏好参数还包括共同尺度,在该共同尺度上对标准的评估必须被重新编码以进行比较。我们的方法允许探索整个空间的偏好参数的能力和共同的规模与DM的偏好信息兼容。
2013-02-27 math.OC
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
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
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
Multiobjective Accelerated Gradient-like Flow with Asymptotic Vanishing Normalized Gradient
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆应用数学中心,重庆师范大学)
本文提出了一种多目标加速梯度流方法,通过渐消归一化梯度实现收敛率$O(1/t^2)$,并验证其在多目标优化中的有效性。
2025-11-22 math.OC
A Monotonic Optimization Approach for Solving Strictly Quasiconvex Multiobjective Programming Problems
在这篇文章中,我们使用单调优化方法提出了一个结果空间外逼近共聚块解决严格拟凸多目标规划问题,特别是在情况下,目标函数是非线性分式。算法终止后,在任意给定的容差下,我们得到了问题的弱有效解集的一个近似,它包含了问题的整个弱有效解集。该算法被证明是收敛的,它是适合于使用标准的凸规划工具并行实现。一些计算实验表明,该算法的准确性和效率。
2020-03-24 math.OC
Robust optimality and duality for composite uncertain multiobjective optimization in Asplund spaces with its applications
本文在Asplund空间下研究复合不确定多目标优化问题,通过变分分析技术建立鲁棒有效解的最优性条件,构造Mond-Weir型鲁棒对偶并分析相关性质,最终将结果应用于两类不确定优化问题。
2024-03-09 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
New merit functions for multiobjective optimization and their properties
本文针对多目标优化问题提出新的 merit 函数,适用于下半连续、凸和复合目标,并在合理假设下证明其具备易于计算、连续、可微、水平集有界及误差有界等理想性质。
2023-04-09 math.OC
A Refined Proximal Algorithm for Nonconvex Multiobjective Optimization in Hilbert Spaces
本文针对希尔伯特空间中的非凸多目标优化问题,基于Mordukhovich极限次微分定义新的帕累托临界点,建立必要最优性条件,并据此提出改进的向量近端点算法,给出详细收敛性分析,显著扩展了已有研究。
2024-03-14 math.OC
Multiobjective Programming and Weighting Scalar Problem
本研究指出Osuna-Gomez等人1999年关于多目标规划广义凸性的论文中定理2.4、3.6的证明有误,采用不同方法给出正确证明,并得到两个原证明方案适用的额外定理。
2025-09-01 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
Multiobjective strict dissipativity via a weighted sum approach
研究了具有多个竞争费用函数的非线性模型预测控制问题。这导致制定多目标最优控制问题(MO OCPs)。由于直接解决多目标问题的MPC算法的设计是相当复杂的,特别是如果终端条件应避免,我们使用一个间接的方法,通过加权和配方解决这些MO OCP。这样,对于每组权重,我们得到一个具有单个目标的最优控制问题。在经济MPC中,严格耗散性是得出性能和稳定性结果的关键假设。因此,我们研究在什么条件下,严格耗散阶段成本的凸组合是严格耗散了。我们首先给出线性动力学问题的条件,然后考虑完全非线性最优控制问题。我们推导出充要条件和充分条件的个人费用函数和权重,以得出严格的耗散性,并说明我们的研究结果与数值例子。
2022-11-22 math.OC
On the Convergence of Newton-type Proximal Gradient Method for Multiobjective Optimization Problems
针对Ansary提出的NPGMO缺乏收敛性证明的问题,本文构建分析框架,在强凸性假设下证明其二次终止、超线性收敛与二次收敛性质。
2023-08-20 math.OC
Improved convergence rates for the multiobjective Frank-Wolfe method
本文针对凸约束多目标优化中的Frank-Wolfe方法,在不同目标函数、可行集和极限点条件下建立了改进收敛速率,并给出实例验证。
2024-06-10 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
Second-Order Strong Optimality and Second-Order Duality for Nonsmooth Constrained Multiobjective Fractional Programming Problems
本文针对实巴拿赫空间中的非光滑多目标分数规划问题,提出了二阶强最优性条件与对偶性结果,通过广义方向导数建立了蕴含强KKT条件的必要性条件及充分性条件。
2024-03-15 math.OC
A Vectorization Scheme for Nonconvex Set Optimization Problems
本文研究了集合最优化问题的一种求解方法。这种方法可以作为一个基础,数值求解集最优化问题,使用建立多目标优化的求解器。我们的策略包括推导出一个参数族的多目标最优化问题,其最优解集近似,在特定意义上,具有任意精度的集值问题。我们还研究了特定类别的集值映射,相应的集最优化问题是等价于一个多目标最优化问题的生成家庭。令人惊讶的是,这包括具有凸图的集值映射。
2021-07-26 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
Compositional Sensitivity Analysis for Multiobjective System Co-Design
Massachusetts Institute of Technology(麻省理工学院);ETH Zurich(苏黎世联邦理工学院)
该研究基于单调协同设计,提出多目标系统协同设计的组合式敏感性分析框架,引入切向设计问题,建立敏感性分析与组合操作可交换的条件,通过数值示例验证其准确性与计算优势。
2026-10-14 cs.SY eess.SY 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
Derivative-Free Multiobjective Trust Region Descent Method Using Radial Basis Function Surrogate Models
针对无约束和凸约束多目标最优化问题,提出了一种灵活的置信域下降算法。它针对的是异构和昂贵的问题,即,至少有一个目标函数在计算上是昂贵的问题。该方法是无导数的,在这个意义上,既不需要导数信息可用于昂贵的目标,也不是梯度近似使用重复的功能评估是在有限差分法的情况下。相反,多目标置信域的方法,其工作原理类似于其众所周知的标量吊坠。利用真实目标函数的评价数据构造局部代理模型来计算可能的下降方向。与现有的多目标置信域算法相比,这些代理不是多项式的,而是精心构造的径向基函数网络。这具有重要的优点,即数据点的数量与参数空间维度成线性比例。局部模型符合完全线性和相应的一般标量框架适用于多目标的问题。收敛到Pareto临界点的证明和数值例子说明我们的发现。
2021-03-01 cs.NA math.NA math.OC