2024年5月

是否存在这个问题都不好说，要仔细阅读别人的研究，然后继承和解决。

问题

由于在多目标的DL中只能使用线性加权法，当目标之间的上下界相差较大时，就不得不面对权重的分配问题，这时候均匀的权重分配方案肯定是不合适的，如果存在一个目标的下界比较大，那么加权之后几乎只对较大目标进行优化。

解决方案

目标缩放

可以直接给较大目标添加一个制定的缩放值，使得上下界相近，来缓解这个问题。
问题是怎么确定这个缩放值，而且解决得也不彻底。

建立不均匀的权重分布

向较大的目标更为细分和多的权重。

总结

  • 其实这两种方案本质是一样的，但是第二种方案解决问题解决得更加彻底。
  • 目标的下界很重要，代表着这个目标能够优化到的当前极小值。一种利用方式是将缩放值调整为目标的极小值的倍率。

也许不存在这个问题？
只要迭代次数够，先将大的目标值下降到不能下降，接下面就是另外一个值的影响了？好像依旧不是很可行。因为梯度分配不能这么做。

目前的一个实验是，记录种群每个目标当前的最大值和最小值，然后将其目标值放缩到0-1。
手动将目标1乘以2提升重要性。

对比不放缩的似乎没什么区别