Основные понятия
計算コストの高いLipschitz関数における多目的最適化問題に対し、ハイパーパラメータ調整を必要とせず、解釈性の高い新しいアプローチである、競合性に基づくスカラー化手法(SWCM)とその近似解法(CAoLF)を提案する。
Аннотация
多目的最適化のための新しい競合性に基づくアプローチ:SWCMとCAoLF
本論文は、計算コストの高いLipschitz関数における多目的最適化問題に対する新しいアプローチを提案しています。これは、従来のスカラー化手法におけるハイパーパラメータ調整の必要性と解釈性の低さを克服することを目的としています。
多くの実用的アプリケーションでは、複数の基準を同時に最適化する必要があるため、多目的最適化(MOO)が重要となります。従来のMOO問題へのアプローチは、パレート最適解の集合を見つけるか、集約関数を使用して多目的問題を単一目的問題に減らす(スカラー化)かのいずれかでした。しかし、スカラー化は通常、専門家によって事前に定義する必要がある重みのような訓練不可能なパラメータに依存しており、主観性をもたらし、結果の解釈可能性を低下させます。
本論文では、古典的なアルゴリズム分析に触発された競合解の概念に基づいて、スカラー化と競合性手法(SWCM)と呼ばれる新しいアプローチを提案しています。SWCMは、重みのようなパラメータの必要性を回避し、解釈可能で実用的なソリューションを提供します。
さらに、目的関数がLipschitz連続であり、一度しか計算できない場合に、Lipschitz関数における競合性近似(CAoLF)と呼ばれるSWCMの近似解法を提案しています。このアプローチは、計算リソースが限られている場合や再計算が不可能な場合に特に役立ちます。