Fugu-MT 論文翻訳(概要): Non-elitist Evolutionary Multi-objective Optimizers Revisited

論文の概要: Non-elitist Evolutionary Multi-objective Optimizers Revisited

arxiv url: http://arxiv.org/abs/2009.14717v1
Date: Wed, 30 Sep 2020 14:52:58 GMT
ステータス: 処理完了
システム内更新日: 2022-10-12 23:00:28.226333
Title: Non-elitist Evolutionary Multi-objective Optimizers Revisited
Title（参考訳）: 非エリート進化型多目的オプティマイザの再検討
Authors: Ryoji Tanabe and Hisao Ishibuchi
Abstract要約: 2000年ごろから、エリート主義的進化的多目的最適化アルゴリズム(EMOAs)は、常に非エリートなEMOAよりも優れていると考えられてきた。本稿では,2目的連続最適化のための非楕円型EMOAの性能を,非有界な外部アーカイブを用いて再検討する。
参考スコア（独自算出の注目度）: 7.81768535871051
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Since around 2000, it has been considered that elitist evolutionary multi-objective optimization algorithms (EMOAs) always outperform non-elitist EMOAs. This paper revisits the performance of non-elitist EMOAs for bi-objective continuous optimization when using an unbounded external archive. This paper examines the performance of EMOAs with two elitist and one non-elitist environmental selections. The performance of EMOAs is evaluated on the bi-objective BBOB problem suite provided by the COCO platform. In contrast to conventional wisdom, results show that non-elitist EMOAs with particular crossover methods perform significantly well on the bi-objective BBOB problems with many decision variables when using the unbounded external archive. This paper also analyzes the properties of the non-elitist selection.
Abstract（参考訳）: 2000年ごろから、エリート的進化的多目的最適化アルゴリズム(EMOAs)は、常に非エリートなEMOAよりも優れていると考えられてきた。本稿では,2目的連続最適化のための非楕円型EMOAの性能を再考する。本稿では,2つのエリート主義者と1つの環境選択によるEMOAの性能について検討する。 COCOプラットフォームが提供する双方向BBOB問題スイート上で, EMOAの性能を評価する。従来の知見とは対照的に,非エリートエモアと特定のクロスオーバー手法は,非境界外部アーカイブを用いた場合,決定変数の多い二目的bbob問題に対して有意な効果を示した。本稿では,非エリート選択の特性についても検討する。

関連論文リスト

Revisiting BPR: A Replicability Study of a Common Recommender System Baseline [78.00363373925758]
我々は,BPRモデルの特徴を考察し,その性能への影響を示し,オープンソースのBPR実装について検討する。分析の結果,これらの実装とオリジナルのBPR論文の矛盾が明らかとなり,特定の実装に対して最大50%の性能低下がみられた。 BPRモデルは、トップnのレコメンデーションタスクにおける最先端メソッドに近いパフォーマンスレベルを達成でき、特定のデータセット上でもパフォーマンスが向上することを示す。
論文参考訳（メタデータ） (2024-09-21T18:39:53Z)
Geodesic Optimization for Predictive Shift Adaptation on EEG data [53.58711912565724]
ドメイン適応メソッドは、$X$と$y$で分散シフトが同時に発生したときに苦労する。本稿では,GOPSA(Geodesic Optimization for Predictive Shift Adaptation)と呼ばれる新しい手法を提案する。 GOPSAは、脳波のバイオメディカル応用のための混合効果モデリングと機械学習を併用する可能性を持っている。
論文参考訳（メタデータ） (2024-07-04T12:15:42Z)
Dual-stage optimizer for systematic overestimation adjustment applied to multi-objective genetic algorithms for biomarker selection [0.18648070031379424]
特徴選択法を用いたバイオマーカー同定は,特徴数における予測能力とパシモニーのトレードオフを伴う多目的問題として扱うことができる。提案するDOSA-MOは多目的最適化ラッパーアルゴリズムで,元の推定値,分散度,および解の特徴セットサイズが過大評価を予測する。
論文参考訳（メタデータ） (2023-12-27T16:13:14Z)
Diversifying the Mixture-of-Experts Representation for Language Models with Orthogonal Optimizer [59.43462055143123]
The Mixture of Experts (MoE)は、ディープラーニングにおいて非常に成功したテクニックとして登場した。本研究では,MoEの専門家が多様性の専門化や欠如に失敗した同質表現問題に光を当てた。我々は,各専門家が他の専門家に分散された部分空間への方向を更新するように促す訓練戦略を交互に提案する。
論文参考訳（メタデータ） (2023-10-15T07:20:28Z)
Fast Bayesian Optimization of Needle-in-a-Haystack Problems using Zooming Memory-Based Initialization [73.96101108943986]
Needle-in-a-Haystack問題は、データセットのサイズに対して最適な条件が極端に不均衡であるときに発生する。本稿では,従来のベイズ最適化原理に基づくズームメモリに基づく初期化アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-08-26T23:57:41Z)
Data-Driven Evolutionary Multi-Objective Optimization Based on Multiple-Gradient Descent for Disconnected Pareto Fronts [6.560512252982714]
本稿では,データ駆動型進化的多目的最適化(EMO)アルゴリズムを提案する。そのインフィル基準は、高価な客観的関数評価を行うための、有望な候補ソリューションのバッチを推奨している。
論文参考訳（メタデータ） (2022-05-28T06:01:41Z)
A survey on multi-objective hyperparameter optimization algorithms for Machine Learning [62.997667081978825]
本稿では,多目的HPOアルゴリズムに関する2014年から2020年にかけての文献を体系的に調査する。メタヒューリスティック・ベース・アルゴリズムとメタモデル・ベース・アルゴリズム,および両者を混合したアプローチを区別する。また,多目的HPO法と今後の研究方向性を比較するための品質指標についても論じる。
論文参考訳（メタデータ） (2021-11-23T10:22:30Z)
Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文参考訳（メタデータ） (2021-10-18T14:00:22Z)
Preference Incorporation into Many-Objective Optimization: An Outranking-based Ant Colony Algorithm [0.08795040582681389]
我々は,多目的Ant Colony Optimization (ACO) を開発した。導入されたInterval Out rankベースのACO(IO-ACO)は、DMの嗜好の曖昧さと不定義に対処するために、最上位のモデルを組み込んだ最初の ant-colonyである。
論文参考訳（メタデータ） (2021-07-15T05:01:21Z)
Bi-objective Search with Bi-directional A* [8.140473195463905]
Bi-objective A*-based search (BOA*) は大規模ネットワークにおいて最先端の性能を示す。本稿では, BOA* の双方向変種を開発し, 高速化を行った。 1000のベンチマークケースに対する実験結果から,BBI(bi-jective search)のための双方向A*アルゴリズムが,ベンチマークケースの全てをタイムリミットで最適に解くことができることがわかった。
論文参考訳（メタデータ） (2021-05-25T12:46:25Z)
Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。 MoHAEAは、MOEA/D、pa$lambda$-MOEA/D、MOEA/D-AWA、NSGA-IIの4つの状態と比較される。
論文参考訳（メタデータ） (2020-04-29T02:16:49Z)

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。