arXiv发布可解释交互式进化多目标优化算法论文

2026年10月27日，arXiv预印本服务器发布论文《基于可解释主动偏好学习的交互式进化多目标优化算法》（An Interactive Evolutionary Multiobjective Optimization Algorithm Based on Interpretable Active Preference Learning）。 该研究提出一种交互式进化多目标优化算法，利用主动学习从成对比较中构建可解释的树状偏好模型。该算法扩展了NSGA-II和NSGA-III的生存算子，通过引导进化方向帮助决策者定位感兴趣区域，从而在多目标优化决策中提升可解释性。 实验显示，该方法在寻找决策者最优选解方面优于现有黑盒及可解释模型，但平均最终种群质量略逊。研究者指出，该技术适用于医疗、国防等高风险领域，其可解释的偏好模型可揭示驱动决策者偏好的具体目标。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。