[논문 리뷰] Hierarchical stratification of Pareto sets

Alberto Lovison, Filippo Pecci|arXiv (Cornell University)|2014. 07. 07.

Advanced Multi-Objective Optimization Algorithms참고 문헌 34인용 수 10

한 줄 요약

이 논문은 다목적 최적화에서 파레토 집합의 계층적 구조를 이해하기 위한 기하 프레임워크를 제안한다. 매끄럽고 비볼록인 문제에서 국소 파레토 최적해의 집합은 차원 0에서 m−1까지의 다양체로 구성된 윌리엄슨-스트라티피케이션 집합을 이룬다. 여기서 m은 目적의 수이다. 주요 기여는 잔여(일반적) 클래스의 매끄러운 함수에 대해 파레토 집합이 일반적으로 스트라티피케이션 집합임을 증명한 것으로, 이는 하위문제로의 체계적 분해와 대수적 조건 및 로자이에비치 유형 부등식을 통한 최적화 전략 설계를 가능하게 한다.

ABSTRACT

In smooth and convex multiobjective optimization problems the set of Pareto optima is diffeomorphic to an $m-1$ dimensional simplex, where $m$ is the number of objective functions. The vertices of the simplex are the optima of the individual functions and the $(k-1)$-dimensional facets are the Pareto optimal set of $k$ functions subproblems. Such a hierarchy of submanifolds is a geometrical object called stratification and the union of such manifolds, in this case the set of Pareto optima, is called a stratified set. We discuss how these geometrical structures generalize in the non convex cases, we survey the known results and deduce possible suggestions for the design of dedicated optimization strategies.

연구 동기 및 목표

• 비볼록이고 매끄러운 다목적 최적화 문제에서 파레토 집합의 기하적 조직을 이해하기 위해.
• 국소 파레토 최적해 집합이 비볼록 설정에서도 일반적으로 윌리엄슨-스트라티피케이션 집합임을 입증하기 위해.
• 계층적 스트라티를 기반으로 하위차원 하위문제로 다목적 문제를 분해하는 데 이론적 기반을 제공하기 위해.
• 파레토 집합의 구조를 실용적 최적화 전략과 생물학적 모델링(다윈주의 진화 이론 등)과 연결하기 위해.
• 계산 가능성을 높이기 위해 다항부등식과 로자이에비치 지수를 사용해 쿠의 v-충분성 조건을 재구성하기 위해.

제안 방법

• 논문은 미분위상수학과 특이점 이론, 특히 메이어의 스트라티피케이션 집합과 윌리엄슨-스트라티피케이션 이론을 사용하여 파레토 집합의 구조를 분석한다.
• 타움의 전이성 정리를 적용하여 잔여 집합의 매끄러운 함수에 대해 제트 공간에서 파레토 집합이 윌리엄슨-스트라티피케이션 집합임을 보인다.
• 제트 공간 $ j^q f $ 와 함수 $ f $ 에 의한 그의 역상에 대한 분석을 통해 파레토 집합이 부분사상에 의한 스트라티피케이션 집합의 역상임을 보여준다.
• 함수 값과 그의 수반 도함수에 의존하는 두 개의 다항함수 $ \mathcal{R}_p $ 와 $ \mathcal{T}_p $ 를 사용하여 쿠의 조건을 재구성한다.
• 이 방법은 다항함수의 근 근처에서의 성장률을 특성화함으로써 v-충분성의 특성을 규명하며, 국소 로자이에비치 지수와 연결된다.
• 프레임워크는 볼록 및 비볼록 설정에서의 예시를 통해 검증되었으며, 생물학적 진화를 사례 연구로 적용하였다.

실험 결과

연구 질문

• RQ1 매끄럽고 비볼록인 다목적 최적화 문제에서 파레토 집합은 어떻게 구성되어 있는가?
• RQ2 국소 파레토 최적해 집합이 윌리엄슨-스트라티피케이션 집합이 되는 조건은 무엇인가?
• RQ3 파레토 집합의 계층적 분해를 통해 더 효과적인 최적화 전략을 설계할 수 있는가?
• RQ4 로자이에비치 지수는 v-충분성과 파레토 최적성을 특성화하는 데 어떤 역할을 하는가?
• RQ5 파레토 집합의 기하학적 구조는 역문제에서 잠재적인 목적함수를 밝혀내는 데 어떻게 기여할 수 있는가? 예를 들어 진화 생물학에서의 응용을 고려할 때.

주요 결과

• μ > \min(n,m)+2 인 $ C^\mu $-매끄러운 함수의 잔여 집합에 대해 파레토 집합은 윌리엄슨-스트라티피케이션 집합이며, 이는 차원 m−1, m−2, ..., 0까지의 다양체로 구성된 일반적인 기하적 구조를 띤다.
• 국소 파레토 최적해 집합 $ \theta_{\text{op}} $ 는 스트라티가 $ k $-목적 하위문제의 파레토 최적해 집합에 대응하는 스트라티피케이션 집합이다. 여기서 $ k = 1, \dots, m $.
• 스트라티피케이션이 목적함수의 미소 변화에 대해 안정적이므로, 비스트라티피케이션 파레토 집합은 일반적이지 않으며 불안정하다.
• 쿠의 v-충분성 조건은 함수와 그의 수반 도함수에 의존하는 다항부등식 $ \mathcal{R}_p $ 와 $ \mathcal{T}_p $ 를 사용해 재구성할 수 있으며, 이는 대수적 검증을 가능하게 한다.
• 다항함수의 국소 로자이에비치 지수는 근 근처에서의 성장률을 결정하며, 이는 쿠의 조건 검증에 필수적이며 분석과 기하학적 구조를 연결한다.
• 이 프레임워크는 복잡한 다목적 문제를 더 단순한 하위문제로 분해하는 데 이론적 기반을 제공하며, 수치적 해법 전략의 향상과 진화 생물학과 같은 응용 분야에서의 해석 가능성 향상에 기여한다.