論文の概要: An Analysis of Control Parameters of MOEA/D Under Two Different
Optimization Scenarios
- arxiv url: http://arxiv.org/abs/2010.00818v1
- Date: Fri, 2 Oct 2020 07:35:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 01:06:29.093278
- Title: An Analysis of Control Parameters of MOEA/D Under Two Different
Optimization Scenarios
- Title（参考訳）: 最適化シナリオの違いによるMOEA/D制御パラメータの解析
- Authors: Ryoji Tanabe and Hisao Ishibuchi
- Abstract要約: 分解ベースのMOEA(MOEA/D)は、UEAがMOEA/Dに組み込まれるとき、最先端のMOEAと競合する。
制御パラメータ設定がMOEA/Dの性能にどのように影響するかは不明である。
- 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: An unbounded external archive (UEA), which stores all nondominated solutions
found during the search process, is frequently used to evaluate the performance
of multi-objective evolutionary algorithms (MOEAs) in recent studies. A recent
benchmarking study also shows that decomposition-based MOEA (MOEA/D) is
competitive with state-of-the-art MOEAs when the UEA is incorporated into
MOEA/D. However, a parameter study of MOEA/D using the UEA has not yet been
performed. Thus, it is unclear how control parameter settings influence the
performance of MOEA/D with the UEA. In this paper, we present an analysis of
control parameters of MOEA/D under two performance evaluation scenarios. One is
a final population scenario where the performance assessment of MOEAs is
performed based on all nondominated solutions in the final population, and the
other is a reduced UEA scenario where it is based on a pre-specified number of
selected nondominated solutions from the UEA. Control parameters of MOEA/D
investigated in this paper include the population size, scalarizing functions,
and the penalty parameter of the penalty-based boundary intersection (PBI)
function. Experimental results indicate that suitable settings of the three
control parameters significantly depend on the choice of an optimization
scenario. We also analyze the reason why the best parameter setting is totally
different for each scenario.
- Abstract（参考訳）: 近年の研究では、探索過程で見いだされた全ての非支配的解を格納する非有界外部アーカイブ(UEA)が多目的進化アルゴリズム(MOEA)の性能評価に頻繁に用いられている。
最近のベンチマーク調査では、分解ベースのMOEA(MOEA/D)が、UEAをMOEA/Dに組み込む際に、最先端のMOEAと競合することが示されている。
しかし、UEAを用いたMOEA/Dのパラメータスタディはまだ行われていない。
したがって、制御パラメータ設定がMOEA/DとUEAの性能にどのように影響するかは不明である。
本稿では,MOEA/Dの制御パラメータを2つの性能評価シナリオで解析する。
1つは、最終人口におけるすべての非支配的ソリューションに基づいてMOEAのパフォーマンス評価を行う最終人口シナリオであり、もう1つは、UEAから選択された非支配的ソリューションのあらかじめ指定された数に基づく縮小されたUEAシナリオである。
本研究で研究されているmoea/dの制御パラメータには,個体群の大きさ,スカラー化関数,ペナルティベース境界交差点(pbi)関数のペナルティパラメータが含まれる。
実験の結果,3つの制御パラメータの適切な設定は最適化シナリオの選択に大きく依存することがわかった。
また,各シナリオにおいて最適なパラメータ設定が全く異なる理由についても分析した。
関連論文リスト
- Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。
提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
論文 参考訳（メタデータ） (2024-10-02T08:46:34Z) - 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) - Controllable Prompt Tuning For Balancing Group Distributional Robustness [53.336515056479705]
グループ間で優れたパフォーマンスを実現するための最適化スキームを導入し、それらの性能を著しく犠牲にすることなく、全員に良い解決策を見出す。
本稿では,制御可能なプロンプトチューニング(CPT)を提案する。
突発的相関ベンチマークでは, 変換器と非変換器の両アーキテクチャ, および非モーダルおよびマルチモーダルデータにまたがって, 最先端の結果が得られた。
論文 参考訳（メタデータ） (2024-03-05T06:23:55Z) - Domain-Expanded ASTE: Rethinking Generalization in Aspect Sentiment Triplet Extraction [67.54420015049732]
Aspect Sentiment Triplet extract (ASTE) は感情分析における課題であり、人間の感情に対するきめ細かい洞察を提供することを目的としている。
既存のベンチマークは2つのドメインに限定されており、目に見えないドメイン上でのモデルパフォーマンスを評価しない。
各種ドメインのサンプルに注釈を付けることでドメイン拡張ベンチマークを導入し,ドメイン内設定とドメイン外設定の両方でモデルの評価を可能にする。
論文 参考訳（メタデータ） (2023-05-23T18:01:49Z) - On the Effectiveness of Parameter-Efficient Fine-Tuning [79.6302606855302]
現在、多くの研究が、パラメータのごく一部のみを微調整し、異なるタスク間で共有されるパラメータのほとんどを保持することを提案している。
これらの手法は, いずれも細粒度モデルであり, 新たな理論的解析を行う。
我々の理論に根ざした空間性の有効性にもかかわらず、調整可能なパラメータをどう選ぶかという問題はまだ未解決のままである。
論文 参考訳（メタデータ） (2022-11-28T17:41:48Z) - Internal Language Model Estimation based Adaptive Language Model Fusion
for Domain Adaptation [12.239557608053156]
内部言語モデル推定に基づく適応的ドメイン適応(ILME-ADA)と呼ばれる適応的LM融合手法を提案する。
本稿では、ニューラルネットワークとn-gram LMをEMMとして用いたRNN-TおよびLASモデリングフレームワークを用いたILME-ADA法の有効性を、2つのドメイン固有(ターゲット)テストセットで示す。
論文 参考訳（メタデータ） (2022-11-02T09:15:20Z) - Faster Convergence in Multi-Objective Optimization Algorithms Based on
Decomposition [0.07734726150561087]
本研究は,MOEA/Dと部分更新戦略の効果について検討した。
以上の結果から,MOEA/Dの検索速度は,MOEA/Dの人口規模が小さく,MOEA/Dの検索速度が向上していることが示唆された。
論文 参考訳（メタデータ） (2021-12-21T07:33:06Z) - Selecting Treatment Effects Models for Domain Adaptation Using Causal
Knowledge [82.5462771088607]
監視されていないドメイン適応設定下でITE法用に特別に設計された新しいモデル選択メトリックを提案する。
特に,介入効果の予測が対象領域の既知の因果構造を満たすモデルを選択することを提案する。
論文 参考訳（メタデータ） (2021-02-11T21:03:14Z) - Review and Analysis of Three Components of Differential Evolution
Mutation Operator in MOEA/D-DE [7.81768535871051]
微分進化変分演算子(MOEA/D-DE)を用いた分解型多目的進化アルゴリズムは、挑戦的多目的問題(MOP)において高い性能を示す。
文献ではMOEA/D-DEに使用するDE変異演算子の構成について詳しくは研究されていない。
本報告では、MOEA/D-DEにおけるDe変異演算子の既存の構成を概観し、MOEA/D-DEの性能に対する各成分の影響を体系的に検討する。
論文 参考訳（メタデータ） (2020-10-01T09:16:30Z) - Algorithm Configurations of MOEA/D with an Unbounded External Archive [7.745468825770201]
実行中に基準点仕様を線形に変更することによりMOEA/Dの性能が向上することを示す。
また、遺伝的アルゴリズムに基づくオフラインハイパーヒューリスティック手法を用いて、各フレームワークにおけるMOEA/Dの最適構成を求める。
論文 参考訳（メタデータ） (2020-07-27T08:14:37Z) - 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。
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。