論文の概要: Dynamic Multi-objective Optimization of the Travelling Thief Problem
- arxiv url: http://arxiv.org/abs/2002.02636v1
- Date: Fri, 7 Feb 2020 06:33:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 04:08:06.447018
- Title: Dynamic Multi-objective Optimization of the Travelling Thief Problem
- Title（参考訳）: トラベリングティフ問題の動的多目的最適化
- Authors: Daniel Herring, Michael Kirley, Xin Yao
- Abstract要約: 現実的なシナリオを反映した詳細かつ複雑な最適化問題の定式化の研究は、急成長する研究分野である。
トラベリング・ティーフ問題(Traveling Thief Problem)には、多目的の定式化や、それを解決するための正確で近似的な方法の比較を含む、増大する作業体が存在する。
TTP問題の3つの領域におけるダイナミックスの定義には、都市部、アベイラビリティマップ、アイテム値がある。
動的変化に応答して, 溶液生成法を混合して複合集団を提供する組み合わせアプローチは, 動的TTP定式化の異なるインスタンスにおいて, 性能を向上する。
- 参考スコア（独自算出の注目度）: 4.859986264602551
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Investigation of detailed and complex optimisation problem formulations that
reflect realistic scenarios is a burgeoning field of research. A growing body
of work exists for the Travelling Thief Problem, including multi-objective
formulations and comparisons of exact and approximate methods to solve it.
However, as many realistic scenarios are non-static in time, dynamic
formulations have yet to be considered for the TTP. Definition of dynamics
within three areas of the TTP problem are addressed; in the city locations,
availability map and item values. Based on the elucidation of solution
conservation between initial sets and obtained non-dominated sets, we define a
range of initialisation mechanisms using solutions generated via solvers,
greedily and randomly. These are then deployed to seed the population after a
change and the performance in terms of hypervolume and spread is presented for
comparison. Across a range of problems with varying TSP-component and
KP-component sizes, we observe interesting trends in line with existing
conclusions; there is little benefit to using randomisation as a strategy for
initialisation of solution populations when the optimal TSP and KP component
solutions can be exploited. Whilst these separate optima don't guarantee good
TTP solutions, when combined, provide better initial performance and therefore
in some examined instances, provides the best response to dynamic changes. A
combined approach that mixes solution generation methods to provide a composite
population in response to dynamic changes provides improved performance in some
instances for the different dynamic TTP formulations. Potential for further
development of a more cooperative combined method are realised to more
cohesively exploit known information about the problems.
- Abstract（参考訳）: 現実的なシナリオを反映した詳細かつ複雑な最適化問題の定式化の研究は、急成長する研究分野である。
多目的な定式化や、それを解決するための厳密な方法と近似的な方法の比較を含む、旅行泥棒問題に対する研究が増えている。
しかし、多くの現実的なシナリオは時間的に非静的であるため、TTPでは動的定式化はまだ検討されていない。
TTP問題の3つの領域におけるダイナミックスの定義には、都市部、アベイラビリティマップ、アイテム値がある。
初期集合と得られた非支配集合の間の解保存の解明に基づき,解法を用いて解法を厳密かつランダムに解法として定義する。
これらは、変化後に個体群を播種するために展開され、超体積および拡散の点における性能が比較のために提示される。
様々な TSP 成分と KP 成分のサイズの様々な問題において、既存の結論に沿う興味深い傾向が観察されるが、最適 TSP と KP 成分の解を活用できる場合、解群の初期化戦略としてランダム化を用いるメリットはほとんどない。
これらの別個のオプティマは優れたttpソリューションを保証していないが、結合すると、より優れた初期パフォーマンスが得られ、それゆえいくつかの検査されたインスタンスでは、動的変更に対する最善の応答を提供する。
動的変化に応答して, 溶液生成法を混合して複合集団を提供する組み合わせアプローチは, 動的TTP定式化の異なるインスタンスでの性能を向上させる。
より協調的な組み合わせ法のさらなる発展の可能性は、問題に関する既知の情報をより密に活用することを実現する。
関連論文リスト
- An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems [0.0]
効率的な確率的選択に基づく制約付き多目的EAをPSCMOEAと呼ぶ。
a) 評価された解の実現可能性と収束状態に基づく適応探索境界同定スキームのような新しい要素を含む。
ECMOPを模擬する低評価予算を用いて, 幅広い制約付き問題に対して, 数値実験を行った。
論文 参考訳（メタデータ） (2024-05-22T02:32:58Z) - Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Combining Kernelized Autoencoding and Centroid Prediction for Dynamic
Multi-objective Optimization [3.431120541553662]
本稿では,カーネル化された自己コード進化探索と遠近法に基づく予測を組み合わせた統一パラダイムを提案する。
提案手法は,多くの複雑なベンチマーク問題に対して,最先端の5つのアルゴリズムと比較する。
論文 参考訳（メタデータ） (2023-12-02T00:24:22Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - On the Impact of Operators and Populations within Evolutionary
Algorithms for the Dynamic Weighted Traveling Salesperson Problem [13.026567958569965]
動的環境におけるノード重み付け販売員問題(W-TSP)について検討する。
問題の動的設定では、時間とともにTSPツアーの一部として収集されるアイテムが変更される。
最初の実験では,このような変化がツアーの最適化に与える影響について検討した。
論文 参考訳（メタデータ） (2023-05-30T11:39:49Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - Robust Constrained Multi-objective Evolutionary Algorithm based on
Polynomial Chaos Expansion for Trajectory Optimization [0.0]
提案手法は,頑健な定式化をPCEを介して決定論的問題に書き換える。
ケーススタディとして,風の不確実性を考慮した超音速輸送(SST)の着陸軌道設計を最適化した。
論文 参考訳（メタデータ） (2022-05-23T15:33:05Z) - Evolutionary Diversity Optimisation for The Traveling Thief Problem [11.590506672325668]
解の集合の構造的多様性を最大化する二段階の進化的アルゴリズムを導入する。
多様性を得る最良の方法を実証的に決定する。
実験の結果,ほとんどのTTPベンチマークインスタンスにおける構造的多様性の観点から,QDアプローチの大幅な改善が示された。
論文 参考訳（メタデータ） (2022-04-06T10:13:55Z) - Multi-Objective Constrained Optimization for Energy Applications via
Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。
場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。
本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文 参考訳（メタデータ） (2021-11-04T20:18:55Z) - Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian
Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。
我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。
我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文 参考訳（メタデータ） (2021-07-07T03:57:22Z) - Dynamic Federated Learning [57.14673504239551]
フェデレートラーニング(Federated Learning)は、マルチエージェント環境における集中的なコーディネーション戦略の包括的用語として登場した。
我々は、各イテレーションにおいて、利用可能なエージェントのランダムなサブセットがそのデータに基づいてローカル更新を実行する、フェデレートされた学習モデルを考える。
集約最適化問題に対する真の最小化器上の非定常ランダムウォークモデルの下で、アーキテクチャの性能は、各エージェントにおけるデータ変動率、各エージェントにおけるモデル変動率、アルゴリズムの学習率に逆比例する追跡項の3つの要因によって決定されることを示す。
論文 参考訳（メタデータ） (2020-02-20T15:00:54Z)
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。