BriefGPT - AI 论文速递
·
无前提形状的帕累托集学习在多目标优化中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的可控Pareto集学习方法，用于解决黑盒多目标优化问题中的稳定性和效率问题。该方法通过贝叶斯优化进行预热，并使用可控Pareto集学习实现对冲突目标的实时权衡控制。实验结果表明该方法在多目标优化问题中表现良好。
🎯
关键要点
-
提出了一种新颖的可控Pareto集学习方法（Co-PSL）。
-
该方法旨在解决黑盒多目标优化中的不稳定性和低效率问题。
-
方法分为两个阶段：使用贝叶斯优化进行预热，获得高质量的高斯过程先验。
-
通过可控Pareto集学习，实现对冲突目标的实时权衡控制。
-
实验结果表明，Co-PSL在多目标优化问题中表现良好。
🏷️
标签
➡️
