.png){kind=icon}
返回
Unsatisfiability-based Algorithms for Multi-Objective Combinatorial Optimization
.png){kind=icon}
OA
AI
DOI：10.1007/s10817-026-09749-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在过去十年中，已提出大量依赖迭代使用高效命题可满足性（SAT）求解器的单目标布尔优化算法。但SAT求解器在多目标组合优化（MOCO）算法中的应用较少。由于缺乏高效的MOCO工具，许多被表述为多目标问题的实际应用被转化为单目标问题，采用线性组合或设定目标偏好顺序的方式。本文通过三种新颖的基于不可满足性的算法扩展了MOCO求解器的最新研究水平。前两种是核心引导型MOCO求解器，第三种是冲突集MOCO求解器。在多组基准实例的实验结果表明，我们的基于不可满足性的新算法能够超越并补充其他基于SAT的、当前最优的MOCO算法。
Keyword:
Multi-objective combinatorial optimization
Unsatisfiability algorithms
Hitting sets
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:
0.8
论文数:
16
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Solving Multiobjective Discrete Optimization Problems with Propositional Minimal Model Generation求解多目标离散优化问题的命题最小模型生成
PREAI
分享收藏
查看更多内容