論文の概要: Self-adaptation in non-Elitist Evolutionary Algorithms on Discrete
Problems with Unknown Structure
- arxiv url: http://arxiv.org/abs/2004.00327v1
- Date: Wed, 1 Apr 2020 10:35:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 18:46:11.566715
- Title: Self-adaptation in non-Elitist Evolutionary Algorithms on Discrete
Problems with Unknown Structure
- Title（参考訳）: 未知構造を持つ離散問題に対する非エリート進化アルゴリズムの自己適応
- Authors: Brendan Case and Per Kristian Lehre
- Abstract要約: 進化的アルゴリズムを効果的に活用する上で重要な課題は、パラメータの適切な設定を選択することである。
非決定論的パラメータ制御機構は、進化過程から得られた情報を用いてパラメータを調整する。
自己適応は進化戦略において一般的なパラメータ制御機構である。
- 参考スコア（独自算出の注目度）: 2.28438857884398
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A key challenge to make effective use of evolutionary algorithms is to choose
appropriate settings for their parameters. However, the appropriate parameter
setting generally depends on the structure of the optimisation problem, which
is often unknown to the user. Non-deterministic parameter control mechanisms
adjust parameters using information obtained from the evolutionary process.
Self-adaptation -- where parameter settings are encoded in the chromosomes of
individuals and evolve through mutation and crossover -- is a popular parameter
control mechanism in evolutionary strategies. However, there is little
theoretical evidence that self-adaptation is effective, and self-adaptation has
largely been ignored by the discrete evolutionary computation community.
Here we show through a theoretical runtime analysis that a non-elitist,
discrete evolutionary algorithm which self-adapts its mutation rate not only
outperforms EAs which use static mutation rates on \leadingones, but also
improves asymptotically on an EA using a state-of-the-art control mechanism.
The structure of this problem depends on a parameter $k$, which is \emph{a
priori} unknown to the algorithm, and which is needed to appropriately set a
fixed mutation rate. The self-adaptive EA achieves the same asymptotic runtime
as if this parameter was known to the algorithm beforehand, which is an
asymptotic speedup for this problem compared to all other EAs previously
studied. An experimental study of how the mutation-rates evolve show that they
respond adequately to a diverse range of problem structures.
These results suggest that self-adaptation should be adopted more broadly as
a parameter control mechanism in discrete, non-elitist evolutionary algorithms.
- Abstract（参考訳）: 進化的アルゴリズムを効果的に利用するための重要な課題は、パラメータの適切な設定を選択することである。
しかし、適切なパラメータ設定は一般に最適化問題の構造に依存し、これはユーザにとってしばしば未知である。
非決定論的パラメータ制御機構は、進化過程から得られた情報を用いてパラメータを調整する。
パラメータの設定が個人の染色体にエンコードされ、突然変異と交叉を通じて進化する自己適応は、進化戦略において一般的なパラメータ制御メカニズムである。
しかし、自己適応が効果的であるという理論的証拠はほとんどなく、自己適応は離散進化計算コミュニティによって無視されている。
本稿では,その変異率を自己適応する非エリート的離散的進化アルゴリズムが,ユリーディングオンの静的突然変異率を用いるeasを上回っているだけでなく,最先端の制御機構を用いてea上で漸近的に改善することを示す。
この問題の構造はパラメータ $k$ に依存し、これはアルゴリズムに未知の値であり、固定された突然変異率を適切に設定するために必要である。
自己適応型EAは、前もってこのパラメータがアルゴリズムに知られていたのと同じ漸近的ランタイムを達成する。
突然変異率の進化に関する実験的研究は、それらが様々な問題構造に適切に反応することを示している。
これらの結果から,自己適応は離散的・非楕円進化アルゴリズムにおいてパラメータ制御機構として広く採用されるべきであることが示唆された。
関連論文リスト
- Effective Adaptive Mutation Rates for Program Synthesis [3.2228025627337864]
進化的アルゴリズムの問題解決性能は突然変異率に依存する。
本稿では,変異率の特定の必要性を解消する適応的バンディットに基づく突然変異法を提案する。
ソフトウェア合成とシンボリック回帰問題の結果から,本手法の有効性が検証された。
論文 参考訳（メタデータ） (2024-06-23T00:56:37Z) - Benchmarking Differential Evolution on a Quantum Simulator [0.0]
微分進化(DE)はラストリギン関数やローゼンブロック関数などの関数の最小値を計算するために用いられる。
この研究は、古典的チューリングモデル計算で生成される候補個体を用いて、これらの関数にDE法を適用した結果の研究である。
論文 参考訳（メタデータ） (2023-11-06T14:27:00Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - Score-based Causal Representation Learning with Interventions [54.735484409244386]
本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。
目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
論文 参考訳（メタデータ） (2023-01-19T18:39:48Z) - Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。
GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。
同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
論文 参考訳（メタデータ） (2022-04-11T01:08:26Z) - Fractal Structure and Generalization Properties of Stochastic
Optimization Algorithms [71.62575565990502]
最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。
さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
論文 参考訳（メタデータ） (2021-06-09T08:05:36Z) - Optimal Static Mutation Strength Distributions for the $(1+\lambda)$
Evolutionary Algorithm on OneMax [1.0965065178451106]
人口が十分に大きくなると、このような最適な分布は驚くほど複雑で直感に反する可能性がある。
人口が十分に大きくなると、このような最適な分布は驚くほど複雑で直感に反する可能性がある。
論文 参考訳（メタデータ） (2021-02-09T16:56:25Z) - Learning adaptive differential evolution algorithm from optimization
experiences by policy gradient [24.2122434523704]
本稿では,一連の問題に対する最適化経験から学習した適応パラメータ制御手法を提案する。
提案した微分進化の制御パラメータを適応的に提供できるエージェントを学習するために、強化学習アルゴリズム、名前付きポリシーを適用した。
提案アルゴリズムは、CEC'13とCEC'17テストスイートでよく知られた9つの進化的アルゴリズムと競合して動作する。
論文 参考訳（メタデータ） (2021-02-06T12:01:20Z) - The Variational Method of Moments [65.91730154730905]
条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。
OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。
同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-12-17T07:21:06Z) - AdaLead: A simple and robust adaptive greedy search algorithm for
sequence design [55.41644538483948]
我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。
AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
論文 参考訳（メタデータ） (2020-10-05T16:40:38Z) - Self-Adjusting Evolutionary Algorithms for Multimodal Optimization [0.0]
自己調整および自己適応機構は、二進探索空間の進化的アルゴリズムにおける静的設定よりも確実に優れている。
我々は、既存の進化アルゴリズムのモジュールとして追加できる、停滞検出と呼ばれるメカニズムを提案する。
論文 参考訳（メタデータ） (2020-04-07T11:02:10Z)
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。