arXiv cs.LG· Yufeng Yang, Fangning Zhuo, Ziyi Chen, Heng Huang, Yi Zhou·· 5 小时前AI 评分12
从双循环到梯度裁剪：分布鲁棒多目标优化取得更快收敛
From Dual Tracking to Clipping: Provably Faster Distributionally Robust Multi-Objective Optimization
AI 导读
研究者提出分布鲁棒多目标优化（DR-MOO），在各自最坏分布下最小化多个目标，并给出 Pareto 型解概念与带理论保证的 MGDA 算法。基于拉格朗日对偶重构的双循环 MGDA 达到 ε-Pareto 稳定点的样本复杂度为 O(ε^-8)，而结合大批量采样与梯度裁剪的单循环 double-clip MGDA 将复杂度降至 O(ε^-4)。
来源：arXiv cs.LG · arxiv.org