多目标优化中的Tchebycheff标量化的在线镜面下降法
原文中文,约300字,阅读约需1分钟。发表于: 。该研究针对多目标优化中线性标量化方法无法捕捉Pareto前沿的非凸区域的问题,提出了一种新的在线镜面下降算法OMD-TCH,优化最坏情况的Tchebycheff标量化。研究表明,OMD-TCH具有$O(\sqrt{\log m/T})$的收敛速率,并通过自适应在线到批量转换方案显著提高其实际表现,展示在纯合成问题及公平性约束下的联邦学习任务中的优越性。
该研究提出了一种新的在线镜面下降算法OMD-TCH,旨在解决多目标优化中线性标量化方法无法有效捕捉Pareto前沿非凸区域的问题。OMD-TCH的收敛速率为$O( ext{sqrt}( ext{log} m/T))$,并在联邦学习任务中表现出色。