集成指数梯度与网格搜索的算法公平性优化方法.pdfVIP

Vol.45No.1舰船电子工程总第367期

132ShipElectronicEngineering总第367期

2025年第1期

集成指数梯度与网格搜索的算法公平性优化方法∗

焦婉妮

（武汉数字工程研究所武汉430205）

摘要论文创新地提出了集成指数梯度和网格搜索算法公平性的优化框架，实现了最优的动态参数调整，即在初步

的指数梯度缩减后，根据模型的初步表现来调整网格搜索的范围和粒度。这种方法能够在不牺牲模型性能的前提下提高优

化效率，减少了需要探索的参数空间大小。提出的集成框架实现了精确控制优化路径和调节不同公平性约束的权重，与传

统算法相比，论文方法在广义熵指数、均等机会差异和平均奇偶校验差异等公平性测度指标上显示出了更优的性能。实验

中采用了成年人经济收入公开数据集进行了验证，表明该框架在加速收敛和提高决策公平性方面有显著效果，展示了其在

复杂多变环境下机器学习模型公平性的适应性和高效性。

关键词算法公平性；指数梯度缩减；网格搜索；机器学习；公平性测度指标

中图分类号TP181DOI：10.3969/j.issn.1672-9730.2025.01.026

OptimizingAlgorithmicFairnessThroughanIntegrated

FrameworkofExponentialGradientandGridSearchMethods

JIAOWanni

（WuhanDigitalEngineeringInstitute，Wuhan430205）

AbstractThispaperinnovativelyproposesanintegratedframeworkforoptimizingfairnessinalgorithmsusingexponential

gradientreductionandgridsearch，achievingoptimaldynamicparameteradjustment.Afterinitialexponentialgradientreduction，

therangeandgranularityofgridsearchareadjustedbasedonthepreliminaryperformanceofthemodel.Thismethodenhancesopti⁃

mizationefficiencywithoutsacrificingmodelperformancebyreducingthesizeoftheparameterspacethatneedstobeexplored.The

proposedintegratedframeworkallowsforprecisecontroloftheoptimizationpathandadjustmentofweightsfordifferentfairnesscon⁃

straints.Comparedtotraditionalalgorithms，ourmethodshowssuperiorperformanceinfairnessmetricssuchasgeneralizedentropy

index，equalopportunitydifference，andaverageoddsdifference.Experimentsconductontheadultincomepublicdatasetdemon⁃

stratesignificantimprovementsinconvergencespeedanddecision-makingfairness，showcasingtheadaptabilityandefficiencyof

themodelfairnessframeworkincomplexandvaryingenvironments.