Resumen: Muchos problemas de toma de decisiones del mundo real implican la optimización de múltiples objetivos simultáneamente, lo que hace que la selección de la solución más preferida sea un problema no trivial: todas las soluciones óptimas de Pareto son candidatas viables y, por lo general, corresponde a quien toma las decisiones seleccionar una para implementarla en función de sus preferencias subjetivas. Para reducir la carga cognitiva de quien toma las decisiones, trabajos anteriores han introducido el problema de poda de Pareto, donde el objetivo es calcular un subconjunto de tamaño fijo de soluciones óptimas de Pareto que representen mejor el conjunto completo, según lo evaluado por una medida de calidad determinada. Replanteando la poda de Pareto como un problema de votación de múltiples ganadores, llevamos a cabo un análisis axiomático de las medidas de calidad existentes, descubriendo varios comportamientos poco intuitivos. Motivados por estos hallazgos, introducimos una nueva medida, la cobertura dirigida. También analizamos la complejidad computacional de optimizar varias medidas de calidad, identificando límites previamente desconocidos entre casos tratables e intratables dependiendo del número y la estructura de los objetivos. Finalmente, presentamos una evaluación experimental, que demuestra que la elección de la medida de calidad tiene un impacto decisivo en las características del conjunto de soluciones seleccionado y que nuestra medida propuesta funciona de manera competitiva o incluso favorable en una variedad de entornos.
Publicado originalmente en export.arxiv.org el 17 de noviembre de 2025.
Ver fuente original
