钱，赵;刘丹川;周志华 通过理论保证的多目标进化算法实现结果多样化。 （英语） Zbl 1496.68306号 工件。智力。 309，文章ID 103737，31 p.（2022）. 小结：给定一组基本项目，结果多样化问题旨在选择一个具有高“质量”和“多样性”的子集，同时满足一些约束条件。它出现在各种现实世界的人工智能应用中，例如基于web的搜索、文档摘要和特征选择，也在其他领域中应用，例如计算几何、数据库、金融和运筹学。以往的算法主要基于贪婪或局部搜索。在本文中，我们建议将结果多样化问题重新定义为一个双目标最大化问题，并使用多目标进化算法（EA），即GSEMO来解决它。我们从理论上证明了GSEMO在静态和动态环境下都能实现（渐近）最优理论保证。对于基数约束，GSEMO可以实现最优多项式时间近似比1/2。对于更一般的拟阵约束，GSEMO可以获得渐近最优的多项式时间近似比，\（1/2-\ε/（4n）\），其中\（\ε>0）和\（n）是基本项集的大小。此外，当目标函数（即质量和多样性的线性组合）动态变化时，GSEMO可以在多项式运行时间内保持此近似比，从而解决A.硼蛋白等[ACM Trans.Algorithms 13，No.3，Article No.41，25 p.（2017；Zbl 1452.68273号)]. 这也首次从理论上证明了进化算法在解决动态优化问题上优于局部搜索，并揭示了进化算法变异算子对动态变化的鲁棒性。在基于web的搜索、多标签特征选择和文档摘要应用中的实验表明，在静态和动态环境下，GSEMO的性能优于最新的算法（即贪婪算法和局部搜索）。 引用于1文件 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 68瓦50 进化算法、遗传算法（计算方面） 90 C59 数学规划中的近似方法和启发式 关键词：结果多样化;单调子模函数;多样性;基数约束;拟阵约束;动态环境;多目标进化算法;运行时间分析;实验研究 引文：Zbl 1452.68273号 软件：字母 PDF格式BibTeX公司 XML格式引用 \textit{C.Qian}等人，Artif。智力。309，文章ID 103737，31 p.（2022；Zbl 1496.68306） 全文： DOI程序 arXiv公司 参考文献： [1] 阿巴斯，Z。；Mirrorkni，V.S。；Thakur，M.，拟阵约束下的多样性最大化，（第19届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD’13）。第19届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD’13），伊利诺伊州芝加哥（2013），32-40 [2] 艾哈迈德·F。；福格，M。；Gorbunov，L.D.，《从大型语料库中发现多样化、高质量的设计理念》，（ASME 2016年国际设计工程技术会议和计算机与工程信息会议（IDETC/DTM’16）。美国机械工程师协会2016年国际设计工程技术会议及计算机和工程信息会议记录（IDETC/DTM'16），北卡罗来纳州夏洛特（2016）），1-11 [3] 阿西米，H。；O.哈珀。；谢毅。；Neumann，A。；Neumann，F.，基于尾部约束目标的动态机会约束背包问题的进化双目标优化，（第24届欧洲人工智能会议论文集（ECAI'20）。第24届欧洲人工智能会议（ECAI'20）会议记录，西班牙圣地亚哥·德孔波斯特拉（2020）），307-314·Zbl 1464.90072号 [4] Bhaskara，A。；加迪里，M。；Mirrorkni，V。；Svensson，O.，在度量空间中寻找不同元素的线性松弛，（神经信息处理系统进展29（NIPS'16）。神经信息处理系统进展29（NIPS’16），西班牙巴塞罗那（2016），4105-4113 [5] 卞，C。；钱，C。；Neumann，F。；Yu，Y.，动态成本约束子集选择的快速帕累托优化，（第30届人工智能国际会议论文集（IJCAI’21）。第30届国际人工智能会议（IJCAI’21）论文集，虚拟（2021），2191-2197 [6] Birnbaum，B。；Goldman，K.J.，使用因子释放LP对贪婪远程液化算法的改进分析，Algorithmica，55，1，42-59（2009）·Zbl 1194.68258号 [7] 硼蛋白，A。；Jain，A。；Lee，H.C。；Ye，Y.，Max-sum多样化，单调子模函数，动态更新，ACM-Trans。算法，13，3，1-25（2017）·Zbl 1452.68273号 [8] 博斯克，J。；Neumann，F。；彭，P。；Sudholt，D.，动态图着色随机搜索启发式的运行时分析，（第21届ACM遗传和进化计算会议论文集（GECCO’19）。第21届ACM遗传和进化计算会议（GECCO’19）会议记录，捷克共和国布拉格（2019年），1443-1451 [9] Brualdi，R.A.，《关于依赖结构中碱基的评论》，Bull。澳大利亚。数学。Soc.，第1、2、161-167页（1969年）·兹标0172.30703 [10] 塞卡雷洛，M。；Pietracaprina，A。；Pucci，G.，拟阵约束下基于核集的多样性最大化通用方法，ACM-Trans。知识。发现。数据，14，5，1-27（2020年） [11] 塞瓦洛斯，A。；艾森布兰德，F。；Zenklusen，R.，通过凸规划实现最大和多样性（第32届计算几何国际研讨会论文集，SoCG’16）。第32届计算几何国际研讨会论文集（SoCG’16），马萨诸塞州波士顿（2016），26:1-26:14·Zbl 1387.68298号 [12] 塞瓦洛斯，A。；艾森布兰德，F。；Zenklusen，R.，《最大和多样化局部搜索的改进分析》，数学。操作人员。Res.，44，4，1494-1509（2019）·Zbl 1437.90134号 [13] 钱德拉，B。；Halldórsson，M.M.，《离散问题的近似算法》，J.algorithms，38，2，438-465（2001）·Zbl 0974.68153号 [14] Chen，L。；Xin，B。；Chen，J.，基于分解和压缩的交互式多目标进化算法，科学。中国信息科学。，64, 10, 1-16 (2021) [15] Dasgupta，A。；库马尔，R。；Ravi，S.，通过子模块和分散进行总结，（计算语言学协会第51届年会会议记录（ACL’13）。计算语言学协会第51届年会会议记录（ACL’13），保加利亚索非亚（2013），1014-1022 [16] Deb，K.，《使用进化算法的多目标优化》（2001），Wiley:Wiley纽约，NY·Zbl 0970.90091号 [17] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法：NSGA-II，IEEE Trans。进化。计算。，6, 2, 182-197 (2002) [18] Do，A.V。；Neumann，F.，动态分区拟阵约束子集选择的Pareto优化，（第35届AAAI人工智能会议论文集（AAAI'21）。第35届AAAI人工智能会议论文集（AAAI’21），虚拟（2021），12284-12292 [19] Droste，S.，动态变化的OneMax-variant的（1+1）EA分析，（2002年IEEE进化计算大会会议记录（CEC'02）。2002年IEEE进化计算大会会议记录（CEC'02），夏威夷州火奴鲁鲁（2002），55-60 [20] Droste，S.，动态位变化OneMax的（1+1）EA分析，（第五届ACM遗传与进化计算会议论文集（GECCO’03）。第五届ACM遗传与进化计算会议论文集（GECCO’03），伊利诺伊州芝加哥（2003），909-921·Zbl 1028.68731号 [21] 弗里德里希，T。；Neumann，F.，用进化算法在拟阵约束下最大化子模函数，Evol。计算。，23, 4, 543-558 (2015) [22] 弗里德里希，T。；Göbel，A。；昆赞，F。；Wagner，M.，单目标组合优化中的重尾变异算子，（第15届自然并行问题解决国际会议论文集（PPSN'18）。第15届国际自然并行问题解决会议论文集（PPSN'18），葡萄牙科英布拉（2018），134-145 [23] 加迪里，M。；Schmidt，M.，用于大型数据集上多标签特征选择的“子模加多样性”函数的分布式最大化，（第22届国际人工智能与统计会议论文集（AISTATS’19）。第二十二届国际人工智能与统计会议记录（AISTATS’19），日本冲绳（2019），2077-2086 [24] Gollapudi，S。；Sharma，A.，《结果多样化的公理方法》（第18届万维网国际会议论文集（WWW'09）。第18届万维网国际会议（WWW’09）会议记录，西班牙马德里（2009），381-390 [25] Halldórsson，M.M。；Iwano，K。；北卡罗来纳州加藤市。；Tokuyama，T.，《寻找子集最大化最小结构》，SIAM J.离散数学。，12, 3, 342-359 (1999) ·Zbl 0940.68102号 [26] 哈辛，R。；Rubinstein，S。；Tamir，A.，《最大色散近似算法》，Oper。Res.Lett.公司。，21, 3, 133-137 (1997) ·Zbl 0888.90144号 [27] Kötzing，T。；Lissovoi，A。；Witt，C.，（1+1）EA on generalized dynamic OneMax，（第13届ACM遗传算法基础会议论文集（FOGA’15）。第13届ACM遗传算法基础会议论文集（FOGA’15），英国阿伯里斯特维思（2015），40-51·Zbl 1361.68201号 [28] Laumanns，M。；Thiele，L.公司。；Zitzler，E.，伪布尔函数上多目标进化算法的运行时分析，IEEE Trans。进化。计算。，8, 2, 170-182 (2004) [29] Lissovoi，A。；Witt，C.，动态最短路径问题蚁群优化的运行时分析，Theor。计算。科学。，561, 73-85 (2015) ·Zbl 1303.68122号 [30] 纳姆豪泽，G.L。；洛杉矶沃尔西。；Fisher，M.L.，《最大化子模集函数的近似分析-I，数学》。程序。，14, 1, 265-294 (1978) ·Zbl 0374.90045号 [31] Neumann，F。；Witt，C.，《关于动态总工期调度的随机局部搜索和简单进化算法的运行时》，（第24届国际人工智能会议论文集（IJCAI'15）。第24届国际人工智能会议（IJCAI’15）会议记录，阿根廷布宜诺斯艾利斯（2015），3742-3748 [32] Neumann，F。；Pourhasan，M。；Roostapour，V.，《动态和随机环境中的进化算法分析》，（Doerr，B.；Neumann，F.，《进化计算理论》（2020），Springer），323-357 [33] Patwardhan，S。；Pedersen，T.，使用基于WordNet的上下文向量估计概念的语义相关性，（《讲道理研讨会论文集：将心理语言学和计算语言学结合在一起》。《讲道理讲习班论文集：把心理语言学和计算机语言学结合起来》，意大利特伦托（2006）），1-8 [34] Pourhasan先生。；高，W。；Neumann，F.，使用进化算法维护动态顶点覆盖问题的2-近似，（第17届ACM遗传与进化计算会议论文集（GECCO’15）。第17届美国计算机学会遗传与进化计算会议论文集（GECCO’15），西班牙马德里（2015），903-910 [35] Pourhasan，M。；罗斯塔波尔，V。；Neumann，F.，动态顶点覆盖问题RLS和（1+1）EA的改进运行时分析，（2017年IEEE计算智能研讨会系列会议记录（SSCI’17）。2017 IEEE计算智能研讨会系列会议记录（SSCI’17），夏威夷州火奴鲁鲁（2017），1-6 [36] Qian，C.，多目标进化算法仍然很好：最大化单调近似子模减去模函数，Evol。计算。，29, 4, 463-490 (2021) [37] 钱，C。；石巨川。；Tang，K。；Zhou，Z.-H.，带理论保证的多目标进化算法约束单调k-子模函数最大化，IEEE Trans。进化。计算。，22, 4, 595-608 (2018) [38] 钱，C。；Yu，Y。；Tang，K。；姚，X。；Zhou，Z.-H.，用多目标进化算法最大化子模或单调近似子模函数，Artif。智力。，275, 279-294 (2019) ·Zbl 1482.90187号 [39] 秦，T。；Liu，T.-Y。；徐，J。；Li，H.，LETOR：信息检索中学习排名研究的基准集合，Inf.Retr。，13, 4, 346-374 (2010) [40] 拉维，S.S。；罗森克兰茨，D.J。；Tayi，G.K.，《离散问题的启发式和特殊情况算法》，Oper。研究，42，2，299-310（1994）·Zbl 0805.90074 [41] 罗尔夫沙根，P。；Lehre，P.K。；Yao，X.，《动态进化优化：变化频率和幅度的分析》（第11届ACM遗传和进化计算会议论文集（GECCO’09）。第十一届ACM遗传和进化计算会议记录（GECCO’09），加拿大蒙特利尔（2009），1713-1720 [42] 罗斯塔波尔，V。；Neumann，A。；Neumann，F。；Friedrich，T.，动态成本约束子集选择的Pareto优化，（第33届AAAI人工智能会议论文集（AAAI’19）。第33届AAAI人工智能会议（AAAI’19）会议记录，夏威夷州火奴鲁鲁（2019）），2354-2361 [43] 施，F。；Neumann，F。；Wang，J.，动态加权顶点覆盖问题随机搜索启发式的运行时分析，（第20届ACM遗传与进化计算会议论文集（GECCO’18）。第20届ACM遗传与进化计算会议论文集（GECCO’18），日本京都（2018），1515-1522 [44] 施，F。；Schirneck，M。；弗里德里希，T。；Kötzing，T。；Neumann，F.，动态一致约束下线性函数进化算法的再优化时间分析，算法，81，2，828-857（2019）·Zbl 1411.68149号 [45] Sydow，M.，用参数化三角形不等式改进最大和多样化的近似保证，（第21届智能系统方法学国际研讨会论文集（ISMIS’14）。第21届智能系统方法论国际研讨会论文集（ISMIS'14），丹麦罗斯基勒（2014），554-559 [46] Vinh，N.X.公司。；埃普斯，J。；Bailey，J.，《聚类比较的信息论度量：变量、属性、归一化和机会修正》，J.Mach。学习。第11号决议，2837-2854（2010年）·Zbl 1242.62062号 [47] Wilcoxon，F.，通过排名方法进行的个体比较，Biom。公牛。，1, 6, 80-83 (1945) [48] 扎德，S。；加迪里，M。；Mirrorkni，V。；Zadimoghaddam，M.，《通过分布式多样性最大化实现可伸缩特征选择》，第21届AAAI人工智能会议论文集（AAAI’17）。第21届AAAI人工智能会议（AAAI’17）会议记录，加利福尼亚州旧金山（2017），2876-2883 [49] 扎德，S.A。；Ghadiri，M.，Max-sum多样化，单调子模函数和半度量空间（2015） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。