作为多准则图搜索控制机制的 Skyline-First 遍历

在多准则图遍历中，路径通过 Pareto 支配进行比较，这种排序能识别哪些路径是非支配的，但对于下一步扩展哪条路径或搜索何时停止却无能为力。因此，现有方法依赖外部机制——启发式、标量化或基于种群的探索——而 Pareto 支配则局限于剪枝或排序等被动角色。本文表明，在受约束的代价模型、有限代价网格、马尔可夫转换和非零进度测度下，仅凭 Pareto 几何即可驱动调度和终止。我们证明，专门从第一 Pareto 层（即 skyline）进行提取会引发离散完成势中的确定性下降，确保向解的完成单调推进。同时，向量下界证书提供了一种停止条件，该条件保证所有剩余遍历的支配覆盖，而无需预定义解的数量。我们的分析确立了确定性势下降、通过支配覆盖的经认证终止、由代价网格几何导出的层宽一致界限，以及 skyline 内的贪婪代价空间分散。由此产生的框架在没有标量化、启发式引导或概率模型的情况下运行，并将 Pareto 支配从被动过滤器重新定位为搜索的确定性驱动器。