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。发表于：。本研究解决了现有帕累托集学习方法对帕累托前沿形状的先验知识依赖的问题。我们提出了一种无前提形状的帕累托集学习（GPSL）方法，通过将帕累托集的学习视为分布转化问题，克服了这一局限。实验结果表明，该方法在多种测试问题上表现优异，具有广泛的应用潜力。
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。
