研究人员开发了一种名为SURFACE(Scalarization Updates for Redistributing Finite Approximations with Chart Estimation)的新方法,以改进帕累托前沿上解的分配。该技术自适应地调整标量化权重以匹配所需的解分布,解决了权重调整与解放置之间的非线性失真问题。SURFACE专为并行处理而设计,并可利用现有的单目标求解器,理论上可实现线性收敛。在各种基准测试上的实证测试表明,与现有方法相比,SURFACE增强了目标质量平衡和帕累托前沿覆盖率。 AI
影响 该方法可以提高AI研究中使用的多目标优化算法的效率和覆盖范围。
排序理由 该条目是一篇研究论文,详细介绍了一种用于优化帕累托前沿上解分布的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- arXivLabs
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Pareto Fronts
- Scalarization Steering
- ScienceCast
- SURFACE
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →