关键词multi-objective combinatorial optimization
搜索结果 - 5
- ICML针对昂贵的多目标组合优化问题,训练贪婪策略用于提案批量选择
在昂贵的多目标组合优化问题中,积极学习被越来越多地采用,但它涉及一个具有挑战性的子集选择问题,即优化批量采集评估的好坏量化指标。为了管理庞大的搜索空间,我们引入了一种新颖的贪婪式子集选择算法,通过基于贪婪策略的顺序贪婪采样,直接在组合空间上 - 面向几何感知的神经多目标组合优化 Pareto 集学习
通过基于超体积期望最大化的 Pareto 注意模型以及超体积残差更新策略,结合新颖的推理方法和局部子集选择方法,设计了一种名为 GAPL 的几何感知 Pareto 集学习算法,用于解决多目标组合优化问题,提高问题的分解能力和多样性增强。通过 - RIGA:基于遗憾的交互遗传算法
提出了一种用于解决多目标组合优化问题的交互式遗传算法,能够处理偏好不准确的情况,通过选择集聚函数的参数化表示、遗传算子应用于参数实例、以及利用现有解决方法生成有前景的解决方案,快速给出好的推荐解决方案。
- 神经多目标组合优化增强多样性
通过提出一种新的具有多样性增强的神经启发式方法,我们能够从多目标组合优化问题的不同视角产生更多的 Pareto 解,并在经典的多目标组合优化问题上取得了更高的多样性 Pareto 前沿和卓越的整体性能。
- 多目标组合优化的新核心引导和命中集算法
本文提出了两种基于不可满足性的算法,即核引导多目标组合优化解算器和命中集多目标组合优化解算器,实验证明这些算法可以优于现有的基于 SAT 的算法。