基于直接偏好的决斗_bandit 进化多目标优化
人工智能
2025-03-10 v2
摘要
优化问题在单目标与多目标场景中均广泛应用。在实际应用中，用户期望解能沿帕累托前沿（PF）收敛至感兴趣区域（ROI）。传统方法通过近似适应度函数或目标函数以反映用户偏好，本文则探索另一条路径。具体而言，我们旨在发现一种无需计算适应度函数、仅依赖人类反馈的方法。我们提出的方法借助主动决斗_bandit 算法开展直接偏好学习。实验阶段分为三节。首先，我们评估主动决斗_bandit 算法的性能。其次，我们在多目标进化算法（MOEAs）框架下实现所提方法。最后，我们将该方法部署于实际问题，具体为蛋白质结构预测（PSP）。本研究提出了一种新颖的基于交互偏好的 MOEA 框架，不仅克服了传统技术的局限，也为优化问题开启了新的可能。
引用
@article{arxiv.2311.14003,
title = {Direct Preference-Based Evolutionary Multi-Objective Optimization with Dueling Bandit},
author = {Tian Huang and Shengbo Wang and Ke Li},
journal= {arXiv preprint arXiv:2311.14003},
year = {2025}
}