論文の概要: An Assignment Problem Formulation for Dominance Move Indicator

• arxiv url: http://arxiv.org/abs/2002.10842v2
• Date: Thu, 14 May 2020 17:48:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 21:01:22.671080
• Title: An Assignment Problem Formulation for Dominance Move Indicator
• Title（参考訳）: 支配的移動指標のための割当問題定式化
• Authors: Claudio Lucio do Val Lopes, Fl\'avio Vin\'icius Cruzeiro Martins, Elizabeth F. Wanner
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.955770350392987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dominance move (DoM) is a binary quality indicator to compare solution sets in multiobjective optimization. The indicator allows a more natural and intuitive relation when comparing solution sets. It is Pareto compliant and does not demand any parameters or reference sets. In spite of its advantages, the combinatorial calculation nature is a limitation. The original formulation presents an efficient method to calculate it in a biobjective case only. This work presents an assignment formulation to calculate DoM in problems with three objectives or more. Some initial experiments, in the biobjective space, were done to present the model correctness. Next, other experiments, using three dimensions, were also done to show how DoM could be compared with other indicators: inverted generational distance (IGD) and hypervolume (HV). Results show the assignment formulation for DoM is valid for more than three objectives. However, there are some strengths and weaknesses, which are discussed and detailed. Some notes, considerations, and future research paths conclude this work.
• Abstract（参考訳）: 支配移動 (dom) は多目的最適化において解集合を比較するためのバイナリ品質指標である。 この指標は、解集合の比較においてより自然で直感的な関係を可能にする。 Paretoに準拠しており、パラメータや参照セットを一切要求しない。 その利点にもかかわらず、組合せ計算の性質は限界である。 元の定式化は、バイオオブジェクトの場合のみに効率的な計算方法を示す。 本研究は、3つ以上の目的を持つ問題におけるDoMを計算するための代入式を示す。 双目的空間におけるいくつかの実験は、モデルの正確性を示すために行われた。 次に、3次元を用いた他の実験は、逆世代距離(IGD)や超体積(HV)といった他の指標とDoMがどのように比較できるかを示すために行われた。 その結果、DoMの割り当て定式化は3つ以上の目的に対して有効であることが示された。 しかし、いくつかの強みと弱みが議論され、詳細に述べられている。 いくつかのノート、考察、将来の研究経路がこの研究を結論付けている。

関連論文リスト

• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• MindStar: Enhancing Math Reasoning in Pre-trained LLMs at Inference Time [51.5039731721706]
  MindStarは、大言語モデルの純粋に推論に基づく探索手法である。 推論タスクを探索問題として定式化し、最適な推論経路を特定するための2つの探索アイデアを提案する。 Llama-2-13BやMistral-7Bのようなオープンソースモデルの推論能力を大幅に向上させ、GPT-3.5やGrok-1に匹敵する性能を実現している。
  論文  参考訳（メタデータ） (2024-05-25T15:07:33Z)
• DVMNet: Computing Relative Pose for Unseen Objects Beyond Hypotheses [59.51874686414509]
  現在のアプローチは、多数の離散的なポーズ仮説を持つ連続的なポーズ表現を近似している。 本稿では,DVMNet(Deep Voxel Matching Network)を提案する。 提案手法は,最先端の手法に比べて計算コストの低い新しいオブジェクトに対して,より正確なポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• Fine-Grained Complexity Analysis of Multi-Agent Path Finding on 2D Grids [0.190365714903665]
  エージェントを2つのチームに分けた2色MAPFがNPハードのままであることを示す。 フロータイムの目的のために,エージェントの移動数に基づいてトラクタビリティフロンティアを確立する。 この結果は最適解の構造に新たな光を当て、一般的な問題のアルゴリズム設計を導くのに役立つかもしれない。
  論文  参考訳（メタデータ） (2023-05-25T17:56:24Z)
• Global and Preference-based Optimization with Mixed Variables using Piecewise Affine Surrogates [0.6083861980670925]
  本稿では,線形制約付き混合変数問題の解法として,新しいサロゲートに基づく大域的最適化アルゴリズムを提案する。 目的関数はブラックボックスとコスト対評価であり、線形制約は予測不可能な事前知識である。 本稿では,2種類の探索関数を導入し,混合整数線形計画解法を用いて実現可能な領域を効率的に探索する。
  論文  参考訳（メタデータ） (2023-02-09T15:04:35Z)
• Modality-Aware Triplet Hard Mining for Zero-shot Sketch-Based Image Retrieval [51.42470171051007]
  本稿では,ZES-SBIR(Zero-Shot Sketch-Based Image Retrieval)問題に,クロスモダリティメトリック学習の観点から取り組む。 DMLにおける2つの基本的な学習手法、例えば分類訓練とペアトレーニングを組み合わせることで、ZS-SBIRの強力なベースラインを構築した。 モータリティ・アウェア・トリプルト・ハード・マイニング(MATHM)は3種類のペア・ラーニングによってベースラインを向上することを示す。
  論文  参考訳（メタデータ） (2021-12-15T08:36:44Z)
• Self-Point-Flow: Self-Supervised Scene Flow Estimation from Point Clouds with Optimal Transport and Random Walk [59.87525177207915]
  シーンフローを近似する2点雲間の対応性を確立するための自己教師型手法を開発した。 本手法は,自己教師付き学習手法の最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-05-18T03:12:42Z)
• 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)
• Dominance Move calculation using a MIP approach for comparison of multi and many-objective optimization solution sets [1.9212368803706579]
  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。
  論文  参考訳（メタデータ） (2020-01-10T20:28:31Z)

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。