Multiple-gradient descent algorithm (MGDA) for multiobjective optimization - 07/04/12
pages | 6 |
Iconographies | 0 |
Vidéos | 0 |
Autres | 0 |
Abstract |
One considers the context of the concurrent optimization of several criteria ( ), supposed to be smooth functions of the design vector ( ). An original constructive solution is given to the problem of identifying a descent direction common to all criteria when the current design-point is not Pareto-optimal. This leads us to generalize the classical steepest-descent method to the multiobjective context by utilizing this direction for the descent. The algorithm is then proved to converge to a Pareto-stationary design-point.
Le texte complet de cet article est disponible en PDF.Résumé |
On se place dans le contexte de lʼoptimisation concourante de plusieurs critères ( ), fonctions régulières du vecteur de conception ( ). On donne une solution constructive originale au problème de lʼidentification dʼune direction de descente commune à tous les critères en un point non optimal au sens de Pareto. On est conduit à généraliser la méthode classique du gradient au contexte multiobjectif en utilisant cette direction pour la descente. On prouve que lʼalgorithme converge alors vers un point de conception Pareto-stationnaire.
Le texte complet de cet article est disponible en PDF.Plan
Vol 350 - N° 5-6
P. 313-318 - mars 2012 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.
Déjà abonné à cette revue ?