关键词pareto optimal solutions
搜索结果 - 5
- 多任务优化中任务优先级的量化
通过连接的强度，基于多任务学习提出了一种基于连接强度的优化方法，包括任务优先级的学习和梯度修改两个阶段，从而在多个任务中找到新的帕累托最优解，大大提升了多任务性能。
- 进化多方距离最小化
本文构建了基于距离最小化问题（DMPs）的一系列多方多目标优化问题（MPMOPs），提出了一种新的算法 OptMPNDS3，该算法利用多方初始化方法初始化种群，并采用 JADE2 算子生成后代，与 OptAll、OptMPNDS 和 Opt - 多目标优化的深度强化学习
本文提出了一种通过深度强化学习和神经网络实现的多目标优化问题解决方案，其中采用分解思想将问题分解为一组标量优化子问题并针对每个子问题建立神经网络模型。通过邻域参数传递策略和 DRL 训练算法共同优化所有子问题的模型参数，并利用训练好的神经网 - 多目标强化学习元学习
本文介绍了将多目标强化学习应用到连续控制问题中，通过元学习的方法探索可能的最优策略，以此来近似帕累托最优解并提高计算效率。作者在高自由度的控制问题中验证了该方法。
- 扩散策略下的分布式帕累托优化
本文探讨如何通过协作和学习代理的网络以分布式方式解决多目标优化问题，提出了一种基于自适应扩散策略的分布式解决方案，并研究了代理人收敛于 Pareto 最优解以及其与不动点之间的关系，为金融领域中代理人网络的协作决策提供了一个应用实例。