BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 该研究提出了一种新的在线镜面下降算法OMD-TCH。
- 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(√(log m/T))。
- 该算法在联邦学习任务中表现出色。
- 研究通过自适应在线到批量转换方案显著提高了OMD-TCH的实际表现。
- OMD-TCH在纯合成问题及公平性约束下的联邦学习任务中展示了优越性。
➡️
