Fugu-MT 論文翻訳(概要): A Survey on Recent Progress in the Theory of Evolutionary Algorithms for Discrete Optimization

論文の概要: A Survey on Recent Progress in the Theory of Evolutionary Algorithms for Discrete Optimization

arxiv url: http://arxiv.org/abs/2006.16709v3
Date: Thu, 8 Jul 2021 06:15:26 GMT
ステータス: 処理完了
システム内更新日: 2022-11-15 04:37:13.835094
Title: A Survey on Recent Progress in the Theory of Evolutionary Algorithms for Discrete Optimization
Title（参考訳）: 離散最適化のための進化アルゴリズム理論の最近の進歩に関する調査
Authors: Benjamin Doerr and Frank Neumann
Abstract要約: 離散探索空間の進化的計算の理論は、過去10年間に大きく進歩してきた。この調査は、この研究領域における最近の最も重要な成果のいくつかをまとめたものである。
参考スコア（独自算出の注目度）: 23.118012417901078
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The theory of evolutionary computation for discrete search spaces has made significant progress in the last ten years. This survey summarizes some of the most important recent results in this research area. It discusses fine-grained models of runtime analysis of evolutionary algorithms, highlights recent theoretical insights on parameter tuning and parameter control, and summarizes the latest advances for stochastic and dynamic problems. We regard how evolutionary algorithms optimize submodular functions and we give an overview over the large body of recent results on estimation of distribution algorithms. Finally, we present the state of the art of drift analysis, one of the most powerful analysis technique developed in this field.
Abstract（参考訳）: 離散探索空間に対する進化的計算の理論は、この10年間で大きな進歩を遂げている。本調査は,本研究領域における最近の最も重要な成果をまとめたものである。進化的アルゴリズムのランタイム解析のきめ細かいモデルについて論じ、パラメータチューニングとパラメータ制御に関する最近の理論的知見を強調し、確率的および動的問題に対する最新の進歩を要約する。進化的アルゴリズムがどのようにサブモジュラー関数を最適化するかを考察し,分散アルゴリズムの推定に関する最近の結果の概要を示す。最後に,この分野で開発された最も強力な解析手法の一つであるドリフト解析技術の現状について述べる。

関連論文リスト

An Inverse Modeling Constrained Multi-Objective Evolutionary Algorithm Based on Decomposition [0.0]
本稿では,分解(IM-C-MOEA/D)に基づく逆モデリング制約付き多目的進化アルゴリズムを提案する。提案手法は多種多様な実世界の問題(RWMOP1-35)に対して実験的に評価され、最先端の制約付き多目的進化アルゴリズム(CMOEA)よりも優れた性能を示す。
論文参考訳（メタデータ） (2024-10-24T23:24:44Z)
A Newton Method for Hausdorff Approximations of the Pareto Front within Multi-objective Evolutionary Algorithms [3.2888428450190044]
本論文では,多目的進化アルゴリズムで用いられるパレートフロントのハウスドルフ近似に対するセットベースニュートン法を提案する。いくつかのベンチマークテスト関数と異なる基底進化アルゴリズムにおける後処理ステップとしてNewton法の利点を示す。
論文参考訳（メタデータ） (2024-05-09T12:34:34Z)
Embedded feature selection in LSTM networks with multi-objective evolutionary ensemble learning for time series forecasting [49.1574468325115]
本稿では,Long Short-Term Memory Networkに埋め込まれた特徴選択手法を提案する。本手法はLSTMの重みと偏りを分割的に最適化する。イタリアとスペイン南東部の大気質時系列データの実験的評価により,従来のLSTMの能力一般化が著しく向上することが確認された。
論文参考訳（メタデータ） (2023-12-29T08:42:10Z)
Reinforcement Learning-assisted Evolutionary Algorithm: A Survey and Research Opportunities [63.258517066104446]
進化的アルゴリズムの構成要素として統合された強化学習は,近年,優れた性能を示している。本稿では,RL-EA 統合手法,RL-EA が採用する RL-EA 支援戦略,および既存文献による適用について論じる。 RL-EAセクションの適用例では、RL-EAのいくつかのベンチマークおよび様々な公開データセットにおける優れた性能を示す。
論文参考訳（メタデータ） (2023-08-25T15:06:05Z)
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)
Stability and Generalization Analysis of Gradient Methods for Shallow Neural Networks [59.142826407441106]
本稿では,アルゴリズム安定性の概念を活用して,浅層ニューラルネットワーク(SNN)の一般化挙動について検討する。我々は、SNNを訓練するために勾配降下(GD)と勾配降下(SGD)を考慮する。
論文参考訳（メタデータ） (2022-09-19T18:48:00Z)
A theoretical and empirical study of new adaptive algorithms with additional momentum steps and shifted updates for stochastic non-convex optimization [0.0]
適応最適化アルゴリズムは学習分野の鍵となる柱を表現していると考えられる。本稿では,異なる非滑らかな目的問題に対する適応運動量法を提案する。
論文参考訳（メタデータ） (2021-10-16T09:47:57Z)
Evolutionary Algorithms in Approximate Computing: A Survey [0.0]
本稿では、一般的な近似法の一つとして進化近似を扱う。この論文は、近似計算の文脈で適用された進化近似(EA)に基づくアプローチに関する最初の調査を提供する。
論文参考訳（メタデータ） (2021-08-16T10:17:26Z)
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)
Entropy Regularized Reinforcement Learning Using Large Deviation Theory [3.058685580689605]
本稿では,エントロピー規則化RLのマッピングと非平衡統計力学の研究を行う。大偏差理論からのアプローチを適用し、最適政策と最適力学の正確な解析結果を導出する。その結果、エントロピー規則化RLの新たな解析および計算フレームワークが実現され、シミュレーションによって検証される。
論文参考訳（メタデータ） (2021-06-07T19:42:06Z)
Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。分散による離散乗法雑音のパラメータによく現れることを示す。最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文参考訳（メタデータ） (2020-06-11T09:58:01Z)

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。