《面向子模約束最佳化的多目標演化學習理論與方法研究》是依託中國科學技術大學，由錢超擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向子模約束最佳化的多目標演化學習理論與方法研究
- 項目類別：青年科學基金項目
- 項目負責人：錢超
- 依託單位：中國科學技術大學
中文摘要,結題摘要,
中文摘要
在許多現實的機器學習任務中，往往要求最佳化某個目標的同時，所找到的解要滿足一定的約束條件，因此，有效地進行約束最佳化是機器學習領域的一個重要研究方向。近年來，通過把對約束條件的違反程度視為另一個最佳化目標，多目標演化算法開始被用於求解機器學習中的一些約束最佳化問題，但由於其理論基礎較為薄弱，多目標演化學習技術的發展受到了阻礙。本項目首先圍繞多目標演化算法的計算複雜度分析這一核心理論問題進行研究，提出一種針對多目標演化算法計算複雜度的一般分析方法。在理論結果的基礎上，本項目針對在機器學習中有廣泛套用的兩類子模約束最佳化問題，分別提出計算複雜度有理論保證的多目標演化算法，並對其並行化，使計算複雜度線性下降的同時性能保持不變。計畫在 IEEE Trans 級別國際期刊和會議、國內一級學報發表論文4-6篇，申請專利1-2項，培養2-3名研究生。
結題摘要
本項目圍繞面向子模約束最佳化的多目標演化學習理論與方法開展研究，旨在研究多目標演化算法的基礎理論，並在理論結果的指導下，針對在機器學習中具有廣泛套用的子模約束最佳化問題設計安全且高效的多目標演化學習算法。項目主要研究內容包括多目標演化算法的計算複雜度分析、面向子模約束最佳化的安全多目標演化算法、面向大規模子模約束最佳化的高效多目標演化算法。通過開展本項目，項目組提出了分析多目標演化算法計算複雜度的通用方法；針對各種子模約束最佳化問題，提出了性能帶理論保證的多目標演化算法，證明出它們均能獲得目前已知的最佳多項式時間近似保證；針對子模約束最佳化的大規模套用場景，提出了並行多目標演化算法，可獲線性加速比。在此基礎上，項目組共發表論文21篇，其中IEEE Transactions級別期刊或CCF A類會議論文17篇，項目負責人入選“中國科協青年人才托舉工程”，培養碩士研究生2人。
