論文の概要: Visualising Evolution History in Multi- and Many-Objective Optimisation
- arxiv url: http://arxiv.org/abs/2006.12309v1
- Date: Mon, 22 Jun 2020 14:45:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 05:30:47.643161
- Title: Visualising Evolution History in Multi- and Many-Objective Optimisation
- Title（参考訳）: 多目的最適化における進化史の可視化
- Authors: Mathew Walter, David Walker, Matthew Craven
- Abstract要約: この研究は、人口の可視化を最適化プロセスの実行と見なしている。
我々は,既存の可視化手法を多目的・多目的問題データに適用した。
このフレームワークが、多目的および多目的のベンチマークテスト問題にどのように有効かを示してきた。
- 参考スコア（独自算出の注目度）: 0.9453554184019108
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evolutionary algorithms are widely used to solve optimisation problems.
However, challenges of transparency arise in both visualising the processes of
an optimiser operating through a problem and understanding the problem features
produced from many-objective problems, where comprehending four or more spatial
dimensions is difficult. This work considers the visualisation of a population
as an optimisation process executes. We have adapted an existing visualisation
technique to multi- and many-objective problem data, enabling a user to
visualise the EA processes and identify specific problem characteristics and
thus providing a greater understanding of the problem landscape. This is
particularly valuable if the problem landscape is unknown, contains unknown
features or is a many-objective problem. We have shown how using this framework
is effective on a suite of multi- and many-objective benchmark test problems,
optimising them with NSGA-II and NSGA-III.
- Abstract（参考訳）: 進化的アルゴリズムは最適化問題を解決するために広く使われている。
しかし、透明化の課題は、問題を通して操作するオプティマイザーのプロセスを可視化することと、4つ以上の空間次元の理解が難しい多目的問題から生じる問題の特徴を理解することの両方において生じる。
この研究は、人口の可視化を最適化プロセスの実行と見なしている。
我々は,既存の可視化手法を多目的・多目的問題データに適用し,ユーザがEAプロセスを可視化し,特定の問題特性を識別し,問題景観をより深く理解することを可能にする。
これは、問題風景が未知で、未知の特徴を含むか、多目的問題である場合、特に価値がある。
このフレームワークは,NSGA-IIおよびNSGA-IIIを用いて,多目的および多目的のベンチマークテスト問題に対して有効であることを示す。
関連論文リスト
- Bridging Visualization and Optimization: Multimodal Large Language Models on Graph-Structured Combinatorial Optimization [56.17811386955609]
グラフ構造上の課題は、その非線形で複雑な性質のために本質的に困難である。
本研究では,高次構造的特徴を正確に保存するために,グラフを画像に変換する手法を提案する。
マルチモーダルな大規模言語モデルと単純な検索手法を組み合わせた革新的なパラダイムを生かし、新しい効果的なフレームワークを開発することを目指す。
論文 参考訳（メタデータ） (2025-01-21T08:28:10Z) - ParetoLens: A Visual Analytics Framework for Exploring Solution Sets of Multi-objective Evolutionary Algorithms [42.23658218722045]
本稿では,進化的アルゴリズムから導出した解集合の検査と探索を強化するための視覚分析フレームワークを提案する。
ParetoLensは、インタラクティブな視覚表現のスイートを通じて、決定空間と目的空間の両方における解分布の詳細な検査を可能にする。
論文 参考訳（メタデータ） (2025-01-06T09:04:14Z) - Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。
パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。
これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
論文 参考訳（メタデータ） (2024-07-01T21:20:44Z) - Temporal True and Surrogate Fitness Landscape Analysis for Expensive Bi-Objective Optimisation [0.0]
本研究では、真の適合関数の風景と多目的関数の代理モデルの風景を比較した。
最適化中、異なる点における風景の特徴を時間的に観察することで実現している。
相違はあるものの、真実と代理的な景観の特徴は互いに高い相関関係を示している。
論文 参考訳（メタデータ） (2024-04-09T18:20:16Z) - CogCoM: Train Large Vision-Language Models Diving into Details through Chain of Manipulations [61.21923643289266]
カオス・オブ・マニピュレーション(Chain of Manipulations)は、視覚言語モデル(Vision-Language Models)が、エビデンスを段階的に解決するメカニズムである。
トレーニング後、モデルは外部ツールを介さずに、本質的な操作(グラウンド、ズームインなど)を積極的に行うことで、様々な視覚的問題を解決することができる。
トレーニングされたモデルである textbfCogCoM は、4つのカテゴリの9つのベンチマークで最先端のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-02-06T18:43:48Z) - MouSi: Poly-Visual-Expert Vision-Language Models [132.58949014605477]
本稿では,個々の視覚エンコーダの能力の相乗化にアンサンブルエキスパート技術を用いることを提案する。
この技術は、異なる視覚専門家の出力の処理を統一する融合ネットワークを導入する。
本実装では,SAMなどのモデルにおける位置占有率を,実質的な4096からより効率的で管理可能な64,さらには1。
論文 参考訳（メタデータ） (2024-01-30T18:09:11Z) - Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems [0.5461938536945723]
本研究では,ディープラーニングとERAの機能を組み合わせたハイブリッドアプローチであるDeep-ELAを提案する。
提案するフレームワークは、単目的および多目的の連続最適化問題を分析するために、最初から利用できるか、あるいは様々なタスクに微調整することができる。
論文 参考訳（メタデータ） (2024-01-02T12:41:17Z) - Continuous-time Analysis for Variational Inequalities: An Overview and
Desiderata [87.77379512999818]
広義のVI問題クラスを対象とする手法の分析と設計における連続時間視点の利用の最近の進歩について概説する。
本発表では, 単目的問題と多目的問題とを対比し, 後者の課題を浮き彫りにした。
また、一般の VI に適用可能なアルゴリズムに対して様々なデシダラタを定式化し、これらのデシダラタを達成することは関連する連続時間力学の理解から利益を得る可能性があると論じる。
論文 参考訳（メタデータ） (2022-07-14T17:58:02Z) - Learning Hard Optimization Problems: A Data Generation Perspective [44.4747903763245]
本稿では,トレーニングデータのボラティリティと,それを近似する能力について述べる。
そこで本研究では,教師付きタスクに対処可能な最適化問題に対して,(実際にあるいは近似的に)解を生成(生成)する方法を提案する。
論文 参考訳（メタデータ） (2021-06-04T17:03:44Z) - Few-shot Partial Multi-view Learning [103.33865779721458]
本稿では,複数ショット部分的多視点学習という新しい課題を提案する。
それは、低データ体制におけるビューミス問題によるネガティブな影響を克服することに焦点を当てている。
提案手法を評価するため,広範囲な実験を行った。
論文 参考訳（メタデータ） (2021-05-05T13:34:43Z) - Effects of Discretization of Decision and Objective Spaces on the
Performance of Evolutionary Multiobjective Optimization Algorithms [12.487285663072512]
決定空間の離散化は大規模問題にプラス効果を示し、目的空間の離散化は多目的問題にプラス効果を示す。
また、両空間の離散化は大規模多目的問題に有用であることを示す。
論文 参考訳（メタデータ） (2020-03-22T15:07:45Z)
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。