論文の概要: It's the Journey Not the Destination: Building Genetic Algorithms
Practitioners Can Trust
- arxiv url: http://arxiv.org/abs/2010.06406v1
- Date: Tue, 13 Oct 2020 14:07:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 23:12:01.822326
- Title: It's the Journey Not the Destination: Building Genetic Algorithms
Practitioners Can Trust
- Title（参考訳）: それは目的地ではなく旅路だ: 遺伝的アルゴリズムの実践者は信頼できる
- Authors: Jakub Vincalek, Sean Walton and Ben Evans
- Abstract要約: 調査は、最適化アルゴリズムに関する設計経験を持つ技術者と学生の態度を示す。
参加者の反応全体で共通するスレッドは、業界内には遺伝的アルゴリズムに対する信頼の問題があるということだ。
参加者はデザインループに留まり続けたいと願っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Genetic algorithms have been developed for decades by researchers in academia
and perform well in engineering applications, yet their uptake in industry
remains limited. In order to understand why this is the case, the opinions of
users of engineering design tools were gathered. The results from a survey
showing the attitudes of engineers and students with design experience with
respect to optimisation algorithms are presented. A survey was designed to
answer two research questions: To what extent is there a pre-existing sentiment
(negative or positive) among students, engineers, and managers towards genetic
algorithm-based design? and What are the requirements of practitioners with
regards to design optimisation and the design optimisation process? A total of
23 participants (N = 23) took part in the 3-part mixed methods survey. Thematic
analysis was conducted on the open-ended questions. A common thread throughout
participants responses is that there is a question of trust towards genetic
algorithms within industry. Perhaps surprising is that the key to gaining this
trust is not producing good results, but creating algorithms which explain the
process they take in reaching a result. Participants have expressed a desire to
continue to remain in the design loop. This is at odds with the motivation of a
portion of the genetic algorithms community of removing humans from the loop.
It is clear we need to take a different approach to increase industrial uptake.
Based on this, the following recommendations have been made to increase their
use in industry: an increase of transparency and explainability of genetic
algorithms, an increased focus on user experience, better communication between
developers and engineers, and visualising algorithm behaviour.
- Abstract（参考訳）: 遺伝的アルゴリズムは、何十年もの間、学界の研究者によって開発され、工学的応用でよく機能するが、産業におけるその普及は限られている。
このような理由を理解するため、エンジニアリングデザインツールの利用者の意見が集められた。
最適化アルゴリズムに関して,設計経験のある技術者と学生の態度を示す調査の結果を報告する。
学生、エンジニア、マネージャの間で、遺伝的アルゴリズムに基づくデザインに対する既往の感情(否定的あるいは肯定的な)がどの程度存在するか?
設計の最適化と設計の最適化プロセスに関して、実践者の要件は何でしょうか?
23名の参加者(N = 23)が3部混合法調査に参加した。
オープンエンドの質問に対してテーマ分析を行った。
参加者の反応全体を通して共通するスレッドは、業界内で遺伝的アルゴリズムに対する信頼の問題である。
おそらく驚くのは、この信頼を得る鍵は良い結果を生み出すのではなく、結果に達する過程を説明するアルゴリズムを作ることである。
参加者はデザインループに引き続き留まりたいと願っている。
これは、遺伝子アルゴリズムコミュニティの一部が、ループから人間を取り除こうという動機とは正反対である。
産業の取り込みを増やすために、異なるアプローチを取る必要があることは明らかです。
遺伝的アルゴリズムの透明性と説明可能性の増大、ユーザエクスペリエンスへのフォーカスの増大、開発者とエンジニア間のコミュニケーションの改善、アルゴリズムの振る舞いの可視化などだ。
関連論文リスト
- A Generalized Evolutionary Metaheuristic (GEM) Algorithm for Engineering Optimization [1.6589012298747952]
近年の大きなトレンドは、自然に着想を得たメタヒュースティックアルゴリズム(NIMA)の利用である。
文献には540以上のアルゴリズムがあり、異なるアルゴリズムの探索機構を理解するための統一的なフレームワークはない。
20以上の異なるアルゴリズムを統一する一般化された進化的メタヒューリスティックアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-02T09:55:15Z) - Automated Metaheuristic Algorithm Design with Autoregressive Learning [25.967262411437403]
現在の自動化手法は、固定された構造内でアルゴリズムを設計し、ゼロから操作する。
本稿ではメタヒューリスティックアルゴリズムの自動設計のための自己回帰学習に基づくデザイナを提案する。
論文 参考訳（メタデータ） (2024-05-06T12:36:17Z) - Learning-Augmented Algorithms with Explicit Predictors [67.02156211760415]
アルゴリズム設計の最近の進歩は、過去のデータと現在のデータから得られた機械学習モデルによる予測の活用方法を示している。
この文脈における以前の研究は、予測器が過去のデータに基づいて事前訓練され、ブラックボックスとして使用されるパラダイムに焦点を当てていた。
本研究では,予測器を解き,アルゴリズムの課題の中で生じる学習問題を統合する。
論文 参考訳（メタデータ） (2024-03-12T08:40:21Z) - Discovering General Reinforcement Learning Algorithms with Adversarial
Environment Design [54.39859618450935]
メタ学習型更新ルールは,広範囲のRLタスクで良好に機能するアルゴリズムの発見を期待して,実現可能であることを示す。
Learned Policy Gradient (LPG)のようなアルゴリズムによる印象的な初期結果にもかかわらず、これらのアルゴリズムが目に見えない環境に適用される場合、まだギャップが残っている。
本研究では,メタ教師付き学習分布の特性が,これらのアルゴリズムの性能に与える影響について検討する。
論文 参考訳（メタデータ） (2023-10-04T12:52:56Z) - A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。
私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。
2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%～30%、ハードケースでは36%～43%である。
論文 参考訳（メタデータ） (2023-03-23T16:15:03Z) - DeepProphet2 -- A Deep Learning Gene Recommendation Engine [0.0]
人工知能(AI)による遺伝子レコメンデーションの可能性について論じる。
トランスフォーマーベースのモデルは、よく計算された無償の紙製コーパスPubMedで訓練されている。
ユースケースのセットは、実際の単語設定におけるアルゴリズムの潜在的な応用を示している。
論文 参考訳（メタデータ） (2022-08-03T08:54:13Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳（メタデータ） (2022-04-15T20:40:43Z) - Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。
我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。
これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
論文 参考訳（メタデータ） (2022-02-21T13:18:11Z) - Generalization in portfolio-based algorithm selection [97.74604695303285]
ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。
ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
論文 参考訳（メタデータ） (2020-12-24T16:33:17Z) - A summary of the prevalence of Genetic Algorithms in Bioinformatics from
2015 onwards [0.0]
遺伝的アルゴリズムは完全なアプリケーションを作ることは滅多になく、サポートベクターマシンのような他の重要なアルゴリズムに依存している。
GAのような人口ベースの検索は、しばしば他の機械学習アルゴリズムと組み合わせられる。
遺伝的アルゴリズムの未来は、複雑さを高め、多様な解決策を見つけようとするオープンエンド進化アルゴリズムかもしれない。
論文 参考訳（メタデータ） (2020-08-20T15:15:43Z) - A Study of a Genetic Algorithm for Polydisperse Spray Flames [0.0]
遺伝的アルゴリズム(GA)は、高品質なソリューションの生成と最適化を可能にする強力なツールである。
本論では, 独特な燃焼問題に対する最適性を検討するために, GA機能を利用したい。
より正確には,iDSD(Initial Droplet size distribution)のどの形態が最適な火炎を保証してくれるか,という疑問に答えるために利用したい。
論文 参考訳（メタデータ） (2020-08-11T10:17:42Z)
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。