多目标二元线性规划中学习投影
机器学习
2019-01-31 v1 机器学习
最优化与控制
摘要
本文中，我们探究利用机器学习技术提升多目标优化求解方法性能的可能性。具体地，我们关注多目标二元线性规划，并在研究中采用一种最有效且近期发展的准则空间搜索算法，即所谓的 KSA。该算法通过在投影准则空间（即 (p-1) 维准则空间）上搜索来计算具有 p 个目标的问题的所有非支配点。我们提出一种有效且快速的学习方法，以识别 KSA 应在哪个投影空间上工作。我们还提出若干可用于机器学习技术以识别最佳投影空间的通用特征/变量。最后，我们提出一种基于双目标优化的有效启发式方法，用于选择特征的最佳子集，以克服学习中的过拟合问题。通过对 2000 个三目标背包与分配问题实例的广泛计算研究，我们表明与随机选取投影空间相比，所提学习方法可实现最高 12% 的时间改进。
引用
@article{arxiv.1901.10868,
title = {Learning to Project in Multi-Objective Binary Linear Programming},
author = {Alvaro Sierra-Altamiranda and Hadi Charkhgard and Iman Dayarian and Ali Eshragh and Sorna Javadi},
journal= {arXiv preprint arXiv:1901.10868},
year = {2019}
}