研究者提出基于可解释主动偏好学习的交互式多目标优化算法

Thomas Quadt 等研究者在 arXiv 论文（arXiv:2610.35470）中提出一种可解释的交互式进化多目标优化算法（iEMOA），通过主动学习从决策者的成对比较中直接学习树状偏好模型，并将其扩展到 NSGA-II 与 NSGA-III 的生存算子，以引导搜索进入决策者感兴趣的区域。 实验结果显示，该方法在找到最偏好解方面优于最先进的黑盒模型和可解释模型，但最终种群的平均质量略差。真实工程问题的案例研究表明，检查所学模型可以揭示哪些目标在驱动决策者的偏好。 研究者称，该方法面向医疗、国防等需要透明度以支持问责的高风险决策场景。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。