論文の概要: Knee Point Identification Based on Trade-Off Utility
- arxiv url: http://arxiv.org/abs/2005.11600v1
- Date: Sat, 23 May 2020 21:05:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 03:37:25.153664
- Title: Knee Point Identification Based on Trade-Off Utility
- Title（参考訳）: 貿易利益性に基づく膝点同定
- Authors: Ke Li, Haifeng Nie, Huifu Gao, Xin Yao
- Abstract要約: ニーポイントは、あらゆる目的において最小限のトレードオフ損失として特徴づけられ、多基準意思決定において意思決定者にとって魅力的である。
本稿では,トレードオフユーティリティをベースとした簡易かつ効果的な膝点同定手法であるTUを提案する。
- 参考スコア（独自算出の注目度）: 7.493207732324214
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knee points, characterised as their smallest trade-off loss at all
objectives, are attractive to decision makers in multi-criterion
decision-making. In contrast, other Pareto-optimal solutions are less
attractive since a small improvement on one objective can lead to a significant
degradation on at least one of the other objectives. In this paper, we propose
a simple and effective knee point identification method based on trade-off
utility, dubbed KPITU, to help decision makers identify knee points from a
given set of trade-off solutions. The basic idea of KPITU is to sequentially
validate whether a solution is a knee point or not by comparing its trade-off
utility with others within its neighbourhood. In particular, a solution is a
knee point if and only if it has the best trade-off utility among its
neighbours. Moreover, we implement a GPU version of KPITU that carries out the
knee point identification in a parallel manner. This GPU version reduces the
worst-case complexity from quadratic to linear. To validate the effectiveness
of KPITU, we compare its performance with five state-of-the-art knee point
identification methods on 134 test problem instances. Empirical results fully
demonstrate the outstanding performance of KPITU especially on problems with
many local knee points. At the end, we further validate the usefulness of KPITU
for guiding EMO algorithms to search for knee points on the fly during the
evolutionary process.
- Abstract（参考訳）: ニーポイントは、あらゆる目的において最小限のトレードオフ損失として特徴づけられ、多基準意思決定において意思決定者にとって魅力的である。
対照的に、他のパレート最適解は、ある目的に対する小さな改善が他の目的の少なくとも1つに重大な劣化をもたらす可能性があるため、あまり魅力的ではない。
本稿では,kpituと呼ばれるトレードオフユーティリティに基づく簡易かつ効果的な膝点識別手法を提案する。
KPITUの基本的な考え方は、ソリューションが膝点であるか否かを、近隣の他のソリューションと比較することによって、順次検証することである。
特に、ソリューションがひざまずくのは、隣人の間で最良のトレードオフユーティリティを持っている場合に限る。
さらに,膝点同定を並列に行うKPITUのGPU版を実装した。
このGPUバージョンは、最悪のケースの複雑さを2次から線形に減らす。
KPITUの有効性を検証するため,134個のテスト問題インスタンス上での5つの最先端膝点同定法との比較を行った。
実験結果から,kpituの優れた性能は,多くの局所膝関節の問題点において十分に示された。
最後に、進化過程において、EMOアルゴリズムがハエの膝点を探索するためのKPITUの有用性を更に検証する。
関連論文リスト
- Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。
本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。
また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
論文 参考訳（メタデータ） (2024-05-17T07:23:27Z) - Once for Both: Single Stage of Importance and Sparsity Search for Vision Transformer Compression [63.23578860867408]
重要度評価と疎度評価を1段階にまとめる方法について検討する。
重要度と疎度の両方を同時に評価するコスト効率の高いOFBを提案する。
実験により、OFBは最先端のサーチベースおよびプルーニングベース手法よりも優れた圧縮性能が得られることが示された。
論文 参考訳（メタデータ） (2024-03-23T13:22:36Z) - Post-hoc Selection of Pareto-Optimal Solutions in Search and
Recommendation [21.11130154349726]
ユートピアからの距離(Population Distance from Utopia)は、微細なユートピア点にちなむ。
提案するフレームワークは,フロンティア上の位置に関係なく,原則的に解を選択する。
論文 参考訳（メタデータ） (2023-06-21T10:40:17Z) - Probably Approximately Correct Federated Learning [20.85915650297227]
Federated Learning(FL)は、プライバシ、ユーティリティ、効率性を主柱とする、新たな分散学習パラダイムである。
既存の研究は、無限小のプライバシー漏洩、ユーティリティ損失、効率性を同時に達成することはありそうにないことを示している。
FLアルゴリズムの設計において、最適なトレードオフソリューションを見つける方法が重要な考慮事項である。
論文 参考訳（メタデータ） (2023-04-10T15:12:34Z) - Light Unbalanced Optimal Transport [69.18220206873772]
既存の解法は、原理に基づいているか、複数のニューラルネットワークを含む複雑な最適化目標を重み付けしている。
我々は,この解法がUEOT解の普遍近似を提供し,一般化限界を得ることを示す。
論文 参考訳（メタデータ） (2023-03-14T15:44:40Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳（メタデータ） (2022-07-14T17:46:37Z) - False Correlation Reduction for Offline Reinforcement Learning [115.11954432080749]
本稿では,実効的かつ理論的に証明可能なアルゴリズムであるオフラインRLに対するfalSe Correlation Reduction (SCORE)を提案する。
SCOREは、標準ベンチマーク(D4RL)において、様々なタスクにおいて3.1倍の高速化でSoTA性能を達成することを実証的に示す。
論文 参考訳（メタデータ） (2021-10-24T15:34:03Z) - Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
マルコフ決定過程における純粋探索問題について検討する。
エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
論文 参考訳（メタデータ） (2021-06-05T09:16:28Z) - Saddle Point Optimization with Approximate Minimization Oracle and its
Application to Robust Berthing Control [7.347989843033034]
本稿では,最小化問題を大まかに解決するオラクルのみに依存するサドル点最適化手法を提案する。
我々は、その収束特性を強い凸-凹問題で解析し、その線形収束性を大域的なmin-maxサドル点へ示す。
1+1)-CMA-ES を最小化オラクル、すなわち Adversarial-CMA-ES として開発した手法の実装は、テスト問題に対する既存のアプローチよりも優れている。
論文 参考訳（メタデータ） (2021-05-25T00:08:47Z) - Hierarchical and Efficient Learning for Person Re-Identification [19.172946887940874]
階層的大域的, 部分的, 回復的特徴を複数の損失結合の監督の下で学習する, 階層的, 効率的なネットワーク(HENet)を提案する。
また,RPE (Random Polygon Erasing) と呼ばれる新しいデータセット拡張手法を提案する。
論文 参考訳（メタデータ） (2020-05-18T15:45:25Z) - sKPNSGA-II: Knee point based MOEA with self-adaptive angle for Mission
Planning Problems [2.191505742658975]
いくつかの問題には、多くの非支配的な解をもたらす多くの目的がある。
本稿では,最も重要な解を得るために設計された新しいアルゴリズムを提案する。
このアルゴリズムは無人航空機(UAV)ミッション計画問題における実世界の応用に応用されている。
論文 参考訳（メタデータ） (2020-02-20T17:07:08Z)
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。