Random Pareto front surfaces

我们通过插值 Pareto 前沿子集来获得最优权衡曲面，Pareto 前沿是一组向量的子集，仅由所有最佳权衡点组成。在这项工作中，我们证明了一个非常有用的结果，即所有 Pareto 前沿曲面都可以使用极坐标明确参数化。特别地，我们的极坐标参数化结果告诉我们，我们可以使用长度函数完全表征任何 Pareto 前沿曲面，长度函数是一个标量值函数，返回沿任何正径向的投影长度。因此，通过利用这种表示，我们展示了如何将许多有用的概念从线性代数、概率和统计学以及决策理论推广到 Pareto 前沿曲面空间上。值得注意的是，我们将重点放在 Pareto 前沿曲面本身是随机过程的随机设置上。我们展示了如何定义和估计许多感兴趣的统计量，如任何 Pareto 前沿曲面分布的期望、协方差和分位数。作为一个激励性的例子，我们研究了这些统计量如何在设计实验的环境中使用，目的是推断和使用 Pareto 前沿曲面分布以做出有效决策。除此之外，我们还说明了这些 Pareto 前沿思想在极值理论的背景下如何使用。最后，作为一个数值示例，我们应用了一些新的方法来处理一个真实的空气污染数据集。

本论文旨在解决如何使用极值理论和概率论等工具来描述和分析帕累托前沿曲面的问题。同时也探究了如何利用这些工具来进行实验设计和决策制定。

本论文的关键思路是使用极值理论和概率论来建模帕累托前沿曲面，并且证明了使用极坐标系可以完全描述帕累托前沿曲面，从而可以推广许多线性代数、概率统计和决策理论的概念。

本论文的亮点在于提出了一种新的方法来描述和分析帕累托前沿曲面，并且可以推广到概率分布的情况。同时，论文还提出了如何利用这些工具来进行实验设计和决策制定。论文使用了真实的空气污染数据集进行了实验，并且开源了相关代码。

最近在这个领域中，还有一些相关的研究被进行。例如，S. Koziel等人在2011年发表了题为“An Evolutionary Algorithm for the Multi-Objective Optimization of Composites Using Partial Least Squares Regression”的论文，也是探究多目标优化问题。另外，还有许多关于极值理论和概率论在机器学习和优化中的应用的研究。