双目标帕累托优化_多目标问题中的帕累托最优解与稳定解的相关证明及其应用...

本文深入探讨了多目标问题中的帕累托最优解与稳定解,阐述它们的定义和相互关系。证明了帕累托稳定解是帕累托最优解的必要条件,并介绍了如何寻找使所有目标下降的梯度方向。同时,文章提出了MGDA算法用于寻找帕累托稳定解,并在电商推荐场景中应用帕累托最优原则优化CTR和GMV两个目标。
摘要由CSDN通过智能技术生成

多目标问题建模

6cbf3dc909c17eea00061796aa64806e.png

代表第 1 个,第 2 个....,第 N 个目标

帕累托最优解定义

1c8d2809de21c61af4fb31194076e020.png

在没有使任何目标变差的前提下,使得至少一个目标更好,就是帕雷托改善。帕雷托最优的状态就是不可能再有更多的帕雷托改善的状态。

帕累托稳定解定义

df95a2be5e4d5b0fa4540f7d33e16e4d.png

dd46eb95cbfdbdb3ce25825c093803dc.png

考虑一个可行解 ,存在各个目标上梯度的凸组合为零,那么称为帕累托稳定解

帕累托最优解与稳定解的关系及其证明

  • 帕累托稳定是帕累托最优解的必要条件
  • 如果一个可行解非帕累托稳定,那么存在一个梯度使得所有目标都下降

证明1: 帕累托最优解处n个梯度必然线性相关

为帕累托最优解,即

d263937e46f127d8224d1cf754b0cc00.png

根据帕累托最优解的定义,则

为如下约束优化问题的解

d3c2839894513346f2a8876600ab8a4f.png

为例:

1024cb9282964decd7ae8c00a8320a1f.png

52d367ade34e59c6a60295d345e2f272.png

除目标1之外的其他目标不大于

的情况下,最小化目标

构造拉格朗日函数转化为无条件的函数最优化问题求解:

ccb90b481d119f6e61abcabf4ac1e987.png

d476010ff76c0f9ad60f46ad732c0afa.png

从而得证,梯度是线

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值