优化问题之子模问题

最新推荐文章于 2026-06-08 16:41:46 发布
原创 最新推荐文章于 2026-06-08 16:41:46 发布 · 6.3k 阅读 · 18 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#优化问题
本文探讨了子模函数的概念，其特点在于边际效应递减，即集合元素增加时新增元素带来的效益逐渐减少。文中列举了子模函数的类型，包括单调与非单调，并讨论了子模函数的连续性拓展及优化方法，指出无约束子模最小化通常可通过线性方式解决，而子模最大化则多为NP-hard问题。

优化问题之子模问题

什么是子模函数？

维基百科

在这里插入图片描述

核心：这涉及到一个边际效应递减，边际效应递减指的是当集合中元素较少或没有时加入一个元素会带来巨大的效益，当集合中已经有许多元素时，加入一个新的元素会带来的收益较微小。

注：

  • 一个非负的子模函数也是次模加性函数，次模加性函数指两个集合并集的函数值最大可以取到两个集合各自函数值的和。
  • 上述三个不等式，当且仅当集合是无穷的时候成立。

2. 有哪些常见的子模函数？

  • 单调的
    在这里插入图片描述

  • 非单调的
    在这里插入图片描述

子模函数的连续性拓展。
在这里插入图片描述

子模函数的优化方法

子模函数的优化主要分成三个子模最小化，子模最大化和相关性优化问题。

  1. 无约束的子模最小化一般来说是线性可解的，如求图的最小割，但是加上约束，常常就变成了NPhard的问题。
  2. 子模最大化一般是NPhard的问题，只有近似算法： 在这里插入图片描述
    在这里插入图片描述
子模块函数优化：该工具箱提供最大化和最小化子模块集函数的函数。-matlab开发
06-01
用于子模函数优化的 Matlab 工具箱 (v 2.0) 作者：Andreas Krause (krausea@gmail.com)。 幻灯片、视频和详细参考资料可从http://www.submodularity.org 获得 在 MATLAB 7.0.1 (R14)、7.2.0 (R2006a)、7.4.0 (R2007a、MAC)、7.9.0 (MAC) 中测试 该工具箱提供了用于优化子模集函数的函数，即，将有限基集 V 的子集 A 取为实数的函数，满足 $$F(A)+F(B)\geq F(A\cup B)+F(A\cap B)$$ 它还提供了几个将子模块函数优化应用于重要机器学习问题的示例，例如聚类、概率模型中的推理和实验设计。 有一个演示脚本：sfo_tutorial.m 关于约定的一些信息： 所有算法都将使用函数对象（示例参见 sfo_tutorial.m）。 例如，
对子模函数(submodular function)的一些理解
XUE FENG!的博客
10-13 7761
1、子模函数是一个集合函数，又减小回转属性（diminishing returns)。子模函数适用于多种应用，包括近似算法，博弈理论，和电网络。 2、标准定义： 如果是一个集合，一个子模函数是一个集合函数，,（就是的幂集到实数集R的映射），满足下列等式： （1）对所有,其中,则对所有,有 （2）对所有有 （3）对所有，我们有 3、边际效用递减定律 ...
子/次模 (Submodular)、超模 (Supermodular)和模(Modular)函数
https://www.cnblogs.com/qizhou/
07-08 2774
定义 　　子模 (Submodular)、超模 (Supermodular)和模(Modular)函数是组合优化中用到的集合函数概念。函数定义域为某个有限集$\Omega$的幂集$2^\Omega$，值域通常为$R$，即$f:2^\Omega\to R$。 　　子模函数：对于集合$A\subseteq B\subset \Omega$，元素$e\in \Omega-B$，子模函数$f(X)$满足...
子模优化生成多样化查询与WebSailor和RAG
frostmelody 全网同名，大家多多关注呀~ 持续分享优质内容！
07-07 3230
子模优化解决多样化查询生成问题的。
少即是多:通过子模优化选择更少的可解释区域
步子哥的博客
07-07 906
将图像分割成多个子区域设计子模函数来评估不同子集的重要性使用贪婪搜索算法选择固定数量的子区域,以实现最佳可解释性。
用子模优化法为DeepResearch生成多样性查询
Jina AI 的博客
07-07 923
这意味着，我们不仅能从懒贪心算法起步，还可以借力于学术界更前沿的成果，例如加速贪心、局部搜索等更高级的算法，借鉴关于不同模型适用场景的扎实理论，甚至还能将框架扩展，从容应对预算限制、公平性约束等更复杂的现实需求。针对下面这个旨在寻找最优子集的问题，贪心算法不仅速度飞快，更能提供一个坚实的理论保证：它找到的解，其质量至少能达到最优解的。如果没有一个成体系的框架，我们很容易陷入“手搓”式的开发模式，依赖各种临时的启发式规则，例如“确保查询间的余弦相似度低于 0.7”，或是“强制平衡不同类别的关键词”。
【Verilog】子模块连接相关问题（加法器及其优化）
GalaxyerKw的博客
09-14 1万+
通过wire变量达成不同子模块的互相连接 我们通过创建wire变量互通这几个子模块的q→d，然后通过端口名称互联子模块与顶层模块： 程序如下： 写出这个程序你需要知道的知识： ①子模块的定义，声明和调用（实例化）。 ②子模块与顶层的连接方法（by name）。 ③wire变量存放二进制信号，由此起到承接作用。 【练习地址链接：Module shift】 稍复杂一些的例子 注意： ①此例不仅需要互联子模块，而且需要传输多位的信号。 ②关键性的一步在最后四个8位信号经过“信号选择器”（梯形元件），并由
子模函数(Submodular Function)在优化问题中的实际应用解析
weixin_29061041的博客
03-07 155
本文深入解析了子模函数在优化问题中的核心应用。子模函数以其“边际收益递减”的特性，成为解决传感器布置、特征选择、内容推荐等组合优化问题的利器。文章通过实例阐明了贪心算法在该类问题上能获得至少63%近似最优解的理论保证，并提供了Python代码示例，展示了如何高效求解最大覆盖等实际问题。
Three.js 3D模型爆炸效果实战：从基础实现到优化，解决子模型‘扎堆’问题
最新发布
weixin_30415113的博客
06-08 348
本文详细介绍了使用Three.js实现3D模型爆炸效果的进阶技巧，从基础原理到高级优化。通过解决子模型'扎堆'问题、动态距离计算和视觉平衡算法，帮助开发者创建更自然的爆炸动画。文章包含完整代码示例和性能优化建议，适用于产品展示、教育演示等3D可视化场景。
Three.js 3D模型爆炸效果实战：从基础实现到优化，解决子模型重叠问题
weixin_30838873的博客
06-08 430
本文深入探讨了Three.js实现3D模型爆炸效果的完整技术方案，从基础原理到工业级优化。详细解析了子模型运动轨迹计算、爆炸中心选择策略以及动态参数调节系统，并提供了性能优化和工程化封装的最佳实践，帮助开发者解决子模型重叠等常见问题。
分布鲁棒与风险感知优化在k-子模拦截问题中的算法设计与应用
weixin_32705179的博客
05-23 511
在对抗性机器学习与网络安全领域，决策者常面临资源受限的攻防博弈，这类问题通常被建模为拦截问题。当防御者的目标函数具有k-子模性质时，问题进一步复杂化。传统优化方法假设概率分布精确已知，但现实世界充满分布模糊性，这催生了分布鲁棒优化和风险感知优化两大框架。前者为风险规避者服务，寻求最坏情况下的稳健策略；后者则为风险偏好者设计，旨在捕捉最佳情况下的高收益机会。其核心价值在于为不确定环境下的双层优化问题提供了系统的决策工具。本文聚焦于为这两个复杂的优化问题设计高效的精确分解算法，并通过在特征选择拦截和加权覆盖拦截
函数的子模性质
weixin_38215599的博客
06-09 3512
定义： 对于所有的A⊆B⊆V和s∈V\B，如果存在f(A∪{s})−f(A)≥f(B∪{s})−f(B)，则称集函数f:2v→R 为子模性函数。  例： V={1,2,3,4,5,6,7,8} A={1,2,3} B={1,2,3,5,6} e={3,4,5} f(A)=|A| （表示集合A的个数） 所以：f(A+e)-f(A)>=f(
子模的性质（submodular）
热门推荐
我是一只小小鸟
01-21 1万+
A是B的子集， 则对于函数f()， 如果：f(A+e)-f(A)>=f(B+e)-f(B)成立，则说f()函数是子模的。 增益递减。 例子如下： u={1,2,3,4,5,6,7,8} A={1,2,3} B={1,2,3,5,6} f(A)=|A| 集合A的个数 所以：f(A+e)-f(A)>=f(B+e)-f(B)，例如e={3,4,5}
用子模优化做文本选择、段落重排和上下文工程
Jina AI 的博客
07-15 1080
这种模式的根本缺陷在于：它孤立地计算每一个 (查询,段落) 对的相关性，在计算某个段落时，完全不考虑其他段落的内容。它们协同工作，确保 LLM 能在一个合理的 Token 预算内，接收到最大化提纯的、最不冗余的核心信息，从而避免信息过载，提升输出质量。子模优化算法在很大程度上参考了原始的相关性分数，但更重要的是，它执行了重排。的文章发表后，我们收到了来自圈内很多积极的反馈，希望我们能多聊聊子模性（submodularity）和子模优化，尤其是在信息检索和 Agentic Search 场景下的更多应用。
1.Zafar 超越算法决策中的超越分配公平:过程公平学习的特征选择
weixin_46299905的博客
03-06 1132
总览 这篇文章属于机器学习公平性领域，其英文名为《Beyond Distributive Fairnessin Algorithmic Decision Making: Feature Selection for Procedurally Fair Learning 》。近年来，在机器学习领域出现了很多与消除不公平性有关的研究方法，但这些工作大多只关注决策结果的公平性，本文将重点放在决策过程的公平...
子模集合函数（Submodular set function）
Tiamosnow的专栏
04-08 1万+
子模函数是一个集合函数，有减小回转属性（diminishing returns ），适用于多种应用，包括近似算法，博弈理论（函数建模）和电网络。定义如果Ω是一个集合，一个子模函数是一个集合函数，  f:2Ω→R\ f :2^Ω \to \mathbb R ，其中 2Ω\ 2^Ω 表示集合Ω的幂集，满足一下等式：1.对所有X,Y⊆Ω，其中X⊆Y,则对所有x∈Ω∖Y有f(X∪{x})−f(X)≥f(Y
ASP.NET Core项目中Git子模块的深度使用指南
gitblog_01107的博客
05-30 273
ASP.NET Core项目中Git子模块的深度使用指南 【免费下载链接】aspnetcore 项目地址: https://gitcode.com/gh_mirrors/aspnet/aspnetcore ...
Java 面试之单子模式
J-Proton博客
05-05 706
1.Java 面试之单子模式 单子模式要满足以下几点 1, 构造函数私有化，使得不能通过new来实例化对象 2,通过new在类的内部创建唯一的实例化对象 3,定义一个公有的静态的方法来返回上一部的对象 单子模式分为懒汉模式和饿汉模式 饿汉模式* 以下通过代码来讲解什么饿汉模式 public class Single { //1 私有构造器。外部不能访问 private Single...
【人工智能的数学基础】集函数的子模性(Submodularity)与Lovász延拓(Lovász Extension)
禅与计算机程序设计艺术
06-26 7016
【人工智能的数学基础】集函数的子模性(Submodularity)与Lovász延拓(Lovász Extension)
深入解析Git子模块：管理复杂项目依赖的终极指南
寂夜了无痕的博客
02-13 2843
Git子模块详解/深入解析Git子模块
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值