【AAAI2024教程】多目标学习 - 基础与应用，197页ppt

AAAI 是由国际人工智能促进协会主办的年会，是人工智能领域中历史最悠久、涵盖内容最广泛的国际顶级学术会议之一，也是中国计算机学会（CCF）推荐的 A 类国际学术会议，在人工智能领域享有较高的学术声誉。2024年，AAAI主办地为加拿大温哥华，录用文章2342篇，录用率为23.75%。

在诸如公平性和安全性约束下的学习、包括多任务学习和元学习在内的跨多任务学习、包括联邦学习和多代理学习在内的跨多代理学习、以及包括激励设计、奖励塑形和斯塔克伯格博弈在内的层次化博弈的学习中，具有多个目标的学习频繁地作为一种新的统一学习范式出现。这个教程将介绍涵盖双层优化以偏好下的两个目标的学习，以及多目标优化以无偏好的多个目标的学习和它们的组合的原理框架。将会介绍高效算法，并介绍关于优化和泛化理论的最新进展。我们将强调如何将这些算法和理论应用于多任务学习和马尔可夫博弈的学习。完成后，听众预期将获得必要的知识，以有效地执行具有多个目标的学习任务，不仅限于上述应用。

14:00 - 14:20 - 引言和背景（T. Chen） 多目标下学习的新挑战 解决这些挑战的两种优化工具箱 双层和多目标优化的历史 14:20 - 15:20 - 双层优化基础（T. Chen） 解决方案概念和最优性指标 基于隐式梯度的双层方法 基于最优条件的双层方法 基于价值函数的罚分双层方法 15:20 - 15:30 - 强化学习中的双层应用（Z. Yang） 双层强化学习设置的介绍 15:30 - 16:00 - 茶歇 16:00 - 16:50 - 强化学习应用（Z. Yang） 双层强化学习的例子 双层强化学习的优化方面 双层强化学习的统计方面 16:50 - 17:50 - 多目标优化基础（L. Chen） 基于部分排序的偏好 解决方案概念和最优性度量 多梯度方法（MGDA, CAGRAD, SMG, MoCo, MoDo） epsilon-约束方法 多目标学习理论 应用于计算视觉和语音处理 17:50 - 18:00 - 结论和开放方向