基于极小修正子集的 Pareto 集精确与近似确定
人工智能
2022-04-15 v1
摘要
近来，已有研究表明枚举布尔公式的极小修正子集（MCS）可求解多目标布尔优化（MOBO）问题。然而，该方法的一个主要缺陷是大多数 MCS 并不对应 Pareto 最优解。事实上，只有当所有 MCS 均被枚举时，才能确认某个给定 MCS 对应 Pareto 最优解。此外，若无法枚举所有 MCS，则无法保证 Pareto 前沿近似的质量。本文拓展了基于 MCS 求解 MOBO 的现有技术水平。首先，我们证明可利用 MCS 枚举求解 MOBO 问题，使得每个 MCS 必然对应一个 Pareto 最优解。此外，我们还提出两种新算法，可利用 MCS 枚举找到 Pareto 前沿的 (1 + {\varepsilon}) 近似。在多个基准集上的实验结果表明，所提新算法能比现有最优算法找到更好的 Pareto 前沿近似，且具备有保障的近似比。
引用
@article{arxiv.2204.06908,
title = {Exact and approximate determination of the Pareto set using minimal correction subsets},
author = {Andreia P. Guerreiro and João Cortes and Daniel Vanderpooten and Cristina Bazgan and Inês Lynce and Vasco Manquinho and José Rui Figueira},
journal= {arXiv preprint arXiv:2204.06908},
year = {2022}
}