.png){kind=icon}
返回
Bayesian Preference Elicitation for Decision Support in Multi-Objective Optimization
.png){kind=icon}
OA
AI
DOI：10.1002/mcda.70019.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种新颖的方法，帮助决策者高效地从多目标优化问题的帕累托集中识别出偏好解。该方法利用贝叶斯模型，基于成对比较来估计决策者的效用函数。借助该模型，一种有原则的引导策略能够交互式地选择查询，以平衡探索与利用，从而引导高效用解的发现。该方法具有灵活性：既可以交互式使用，也可以在通过标准多目标优化技术估计帕累托前沿后进行事后应用。此外，在引导阶段结束时，它会生成一个高质量解的简化列表，从而简化决策过程。通过在最多九个目标的测试问题上进行的实验，我们的方法在少量查询下找到高效用解方面展现出卓越性能。我们还提供了该方法的开放源代码实现，以支持更广泛群体的采用。
Keyword:
Bayesian optimization
decision support
multi-objective optimization
preference elicitation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
2.4
论文数:
13
被引数:
0
机构
引用论文
Using Choquet integral as preference model in interactive evolutionary multiobjective optimization在交互式进化多目标优化中使用Choquet积分作为偏好模型OAAI
.png){kind=icon}
OAAI分享收藏
分享收藏分享收藏分享收藏
查看更多内容