본 연구는 기존 양분 최적화 연구의 한계를 극복하기 위해 다중 작업 환경에서 일반적인 하위 수준 볼록성(LLGC)을 적용하는 새로운 접근법을 제시합니다.
다중 작업 양분 학습(MTBL) 문제를 평등 제약 다목적 최적화(ECMO) 문제로 재구성하고, ECMO의 파레토 정점 도달을 위한 새로운 KKT 기반 정점 정체성 기준을 확립했습니다.
제안하는 가중 Chebyshev(WC) 페널티 방법은 결정론적 및 확률적 환경에서 $O(ST^{- rac{1}{2})$의 수렴율을 달성하며, 파레토 프런트를 탐색하는 데 활용될 수 있습니다.