論文の概要: Dominance Move calculation using a MIP approach for comparison of multi
and many-objective optimization solution sets
- arxiv url: http://arxiv.org/abs/2001.03657v1
- Date: Fri, 10 Jan 2020 20:28:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-12 23:04:07.163591
- Title: Dominance Move calculation using a MIP approach for comparison of multi
and many-objective optimization solution sets
- Title(参考訳): マルチ・多目的最適化解集合の比較のためのMIP法による支配移動計算
- Authors: Claudio Lucio do Val Lopes, Fl\'avio Vin\'icius Cruzeiro Martins, and
Elizabeth Fialho Wanner
- Abstract要約: 支配移動(Dominance move, DoM)は、多目的最適化に使用できるバイナリ品質指標である。
この研究は、3つ以上の目的を扱うためにDoMを計算および拡張するための新しいアプローチを示す。
- 参考スコア(独自算出の注目度): 1.9212368803706579
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dominance move (DoM) is a binary quality indicator that can be used in
multiobjective optimization. It can compare solution sets while representing
some important features such as convergence, spread, uniformity, and
cardinality. DoM has an intuitive concept and considers the minimum move of one
set needed to weakly Pareto dominate the other set. Despite the aforementioned
properties, DoM is hard to calculate. The original formulation presents an
efficient and exact method to calculate it in a biobjective case only. This
work presents a new approach to calculate and extend DoM to deal with three or
more objectives. The idea is to use a mixed integer programming (MIP) approach
to calculate DoM. Some initial experiments, in the biobjective space, were done
to verify the model correctness. Furthermore, other experiments, using three,
five, and ten objective functions were done to show how the model behaves in
higher dimensional cases. Algorithms such as IBEA, MOEAD, NSGAIII, NSGAII, and
SPEA2 were used to generate the solution sets, however any other algorithms
could be used with DoM indicator. The results have confirmed the effectiveness
of the MIP DoM in problems with more than three objective functions. Final
notes, considerations, and future research are discussed to exploit some
solution sets particularities and improve the model and its use for other
situations.
- Abstract(参考訳): 支配移動(Dominance move, DoM)は、多目的最適化に使用できるバイナリ品質指標である。
解集合を収束、拡散、均一性、濃度といった重要な特徴を表現しながら比較することができる。
DoM は直感的な概念を持ち、パレートが他の集合を支配するのに必要な集合の最小移動を考える。
上記の特性にもかかわらず、DoMは計算が難しい。
元の定式化は、バイオオブジェクトの場合のみに計算する効率的で正確な方法を示す。
この研究は、3つ以上の目的を扱うためにDoMを計算および拡張するための新しいアプローチを示す。
その考え方は、混合整数プログラミング(MIP)アプローチを使ってDoMを計算することである。
双目的空間におけるいくつかの実験は、モデルの正確性を検証するために行われた。
さらに,3,5,10の目的関数を用いて,高次元の場合においてモデルがどのように振る舞うかを示す実験を行った。
ibea, moead, nsgaiii, nsgaii, spea2などのアルゴリズムは解集合を生成するのに使われたが、domインジケータで他のアルゴリズムを使うことができる。
その結果、3つ以上の目的関数を持つ問題におけるMIP DoMの有効性が確認された。
最終注記、考察、今後の研究は、いくつかの解集合の特異性を活用し、モデルとその他の状況への利用を改善するために議論される。
関連論文リスト
- Representation Learning with Multi-Step Inverse Kinematics: An Efficient
and Optimal Approach to Rich-Observation RL [106.82295532402335]
既存の強化学習アルゴリズムは、計算的難易度、強い統計的仮定、最適なサンプルの複雑さに悩まされている。
所望の精度レベルに対して、レート最適サンプル複雑性を実現するための、最初の計算効率の良いアルゴリズムを提供する。
我々のアルゴリズムMusIKは、多段階の逆運動学に基づく表現学習と体系的な探索を組み合わせる。
論文 参考訳(メタデータ) (2023-04-12T14:51:47Z) - Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。
木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。
3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文 参考訳(メタデータ) (2022-09-09T14:58:43Z) - A Simple Evolutionary Algorithm for Multi-modal Multi-objective
Optimization [0.0]
マルチモーダル・多目的最適化問題(MMOP)を解くための定常進化アルゴリズムを提案する。
本報告では,1000関数評価の低計算予算を用いて,様々なテストスイートから得られた21個のMMOPの性能について報告する。
論文 参考訳(メタデータ) (2022-01-18T03:31:11Z) - Multi-Task Learning on Networks [0.0]
マルチタスク学習コンテキストで発生する多目的最適化問題は、特定の特徴を持ち、アドホックな方法を必要とする。
この論文では、入力空間の解は、関数評価に含まれる知識をカプセル化した確率分布として表現される。
確率分布のこの空間では、ワッサーシュタイン距離によって与えられる計量が与えられ、モデルが目的関数に直接依存しないような新しいアルゴリズムMOEA/WSTを設計することができる。
論文 参考訳(メタデータ) (2021-12-07T09:13:10Z) - Many Objective Bayesian Optimization [0.0]
マルチオブジェクトベイズ最適化(MOBO)は、ブラックボックスの同時最適化に成功している一連の手法である。
特に、MOBO法は、多目的最適化問題における目的の数が3以上である場合に問題があり、これは多くの目的設定である。
GPが測定値とアルゴリズムの有効性の予測分布を予測できるような,玩具,合成,ベンチマーク,実実験のセットで実証的な証拠を示す。
論文 参考訳(メタデータ) (2021-07-08T21:57:07Z) - MAML is a Noisy Contrastive Learner [72.04430033118426]
モデルに依存しないメタラーニング(MAML)は、今日では最も人気があり広く採用されているメタラーニングアルゴリズムの1つである。
我々は、MAMLの動作メカニズムに対する新たな視点を提供し、以下に示すように、MAMLは、教師付きコントラスト目的関数を用いたメタラーナーに類似している。
このような干渉を軽減するため, 単純だが効果的な手法であるゼロ化手法を提案する。
論文 参考訳(メタデータ) (2021-06-29T12:52:26Z) - Hybrid Trilinear and Bilinear Programming for Aligning Partially
Overlapping Point Sets [85.71360365315128]
多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。
まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。
次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-01-19T04:24:23Z) - Analyzing Dominance Move (MIP-DoM) Indicator for Multi- and
Many-objective Optimization [7.806475653929673]
支配移動(Dominance move, DoM)は、多目的および多目的最適化に使用できるバイナリ品質指標である。
本研究は,MIP(Mixed integer Programming)アプローチを用いた新しいDoM計算手法を提案する。
論文 参考訳(メタデータ) (2020-12-21T18:36:26Z) - Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。
提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文 参考訳(メタデータ) (2020-07-14T09:50:33Z) - Multi-Objective Matrix Normalization for Fine-grained Visual Recognition [153.49014114484424]
双線形プールは細粒度視覚認識(FGVC)において大きな成功を収める
近年,行列パワー正規化は双線形特徴量において2次情報を安定化させることができることが示されている。
両線形表現を同時に正規化できる効率的な多目的行列正規化法(MOMN)を提案する。
論文 参考訳(メタデータ) (2020-03-30T08:40:35Z) - An Assignment Problem Formulation for Dominance Move Indicator [2.955770350392987]
支配移動(Dominance move, DoM)は、多目的最適化における解集合を比較するためのバイナリ品質指標である。
この研究は、3つ以上の目的を持つ問題において、DoMに割り当ての定式化を提示する。
論文 参考訳(メタデータ) (2020-02-25T13:04:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。