論文の概要: Recovery-to-Efficiency: A New Robustness Concept for Multi-objective
Optimization under Uncertainty
- arxiv url: http://arxiv.org/abs/2011.10341v1
- Date: Fri, 20 Nov 2020 11:10:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 06:16:06.360806
- Title: Recovery-to-Efficiency: A New Robustness Concept for Multi-objective
Optimization under Uncertainty
- Title(参考訳): 回復効率:不確実性下での多目的最適化のための新しいロバストネス概念
- Authors: El-Ghazali Talbi and Raca Todosijevic
- Abstract要約: 本稿では,不確実な多目的最適化問題に対する新しいロバスト性概念を提案する。
テスト目的のために、双目的クナプサック問題からのインスタンスを検討する。
- 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: This paper presents a new robustness concept for uncertain multi-objective
optimization problems. More precisely, in the paper the so-called
recovery-to-efficiency robustness concept is proposed and investigated. Several
approaches for generating recovery-to-efficiency robust sets in the context of
multi-objective optimization are proposed as well. An extensive experimental
analysis is performed to disclose differences among robust sets obtained using
different concepts as well as to deduce some interesting observations. For
testing purposes, instances from the bi-objective knapsack problem are
considered.
- Abstract(参考訳): 本稿では,不確実な多目的最適化問題に対する新しいロバスト性概念を提案する。
より正確には、いわゆるリカバリ・トゥ・効率ロバストネスの概念を提案し、検討する。
また,多目的最適化の文脈で高効率化を実現するためのいくつかの手法を提案する。
異なる概念を用いて得られるロバストな集合の違いを明らかにするとともに、興味深い観察を導出するために、広範な実験的解析を行う。
テスト目的では、bi-objective knapsack問題からのインスタンスが考慮される。
関連論文リスト
- Robustness and Exploration of Variational and Machine Learning
Approaches to Inverse Problems: An Overview [50.166025644333295]
本稿では,変分法と機械学習を用いた画像の逆問題に対する現在のアプローチの概要について述べる。
特別な焦点は、点推定器とその敵の摂動に対する頑健性である。
論文 参考訳(メタデータ) (2024-02-19T11:48:11Z) - Divide and Conquer: Provably Unveiling the Pareto Front with
Multi-Objective Reinforcement Learning [2.5115843173830252]
本稿では,Paretoフロントを単一目的問題列に分解するアルゴリズムIPROを紹介する。
実証的な評価は、IPROが追加のドメイン知識を必要とするメソッドにマッチするか、より優れていることを示している。
問題固有の単目的解法を利用することで、本手法は多目的強化学習を超える応用を約束する。
論文 参考訳(メタデータ) (2024-02-11T12:35:13Z) - Evolutionary Multi-Objective Algorithms for the Knapsack Problems with
Stochastic Profits [13.026567958569965]
我々は、ある商品の利益に対する一定の信頼を保証するため、利益を伴うknapsack問題のバージョンを検討する。
利益率制約付きクナップサック問題の多目的定式化を導入し, 両目的性評価法を3つ設計する。
両設定のベンチマークにおいて,提案手法の有効性を示す。
論文 参考訳(メタデータ) (2023-03-03T03:28:51Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳(メタデータ) (2023-01-28T01:50:42Z) - Robust Counterfactual Explanations for Random Forests [76.84947521482631]
本研究では,アンサンブルモデルのロバスト性とベース学習者のロバスト性との関係について検討する。
既存の手法が驚くほど低いロバスト性を与えることを示す: 単純な反事実の妥当性は、ほとんどのデータセットで50%以下である。
本手法は, 反実的説明から初期観測までの距離をわずかに増加させるだけで, 高いロバスト性を実現する。
論文 参考訳(メタデータ) (2022-05-27T17:28:54Z) - A Robust Multi-Objective Bayesian Optimization Framework Considering
Input Uncertainty [0.0]
エンジニアリング設計のような現実的なアプリケーションでは、設計者は複数の目的と入力の不確実性を考慮に入れたい場合が多い。
入力の不確実性を考慮した多目的最適化を効率的に行うための新しいベイズ最適化フレームワークを提案する。
論文 参考訳(メタデータ) (2022-02-25T17:45:26Z) - Multi-Objective Constrained Optimization for Energy Applications via
Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。
場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。
本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文 参考訳(メタデータ) (2021-11-04T20:18:55Z) - Runtime Analysis of Single- and Multi-Objective Evolutionary Algorithms
for Chance Constrained Optimization Problems with Normally Distributed Random
Variables [13.264683014487376]
独立かつ正規分布のコンポーネントのシナリオについて検討する。
付加的な一様制約を課すことは、既に局所最適であることを示す。
また,本手法は,木に散らばった最小限の問題に対して最適解の集合を計算するためにも有効であることを示す。
論文 参考訳(メタデータ) (2021-09-13T09:24:23Z) - An Empirical Study of Assumptions in Bayesian Optimisation [61.19427472792523]
本研究では,ベイズ最適化に固有の従来的および非慣習的仮定を厳密に分析する。
超パラメータチューニングタスクの大多数は、不均一性と非定常性を示すと結論付けている。
これらの発見が実践者およびこの分野のさらなる研究の指針となることを願っている。
論文 参考訳(メタデータ) (2020-12-07T16:21:12Z) - Empirical Study on the Benefits of Multiobjectivization for Solving
Single-Objective Problems [0.0]
局所オプティマはしばしばアルゴリズムの進行を防ぎ、深刻な脅威を引き起こす。
マルチオブジェクトの勾配に基づく高度な可視化技術を用いて,出現するマルチオブジェクトの景観の特性を図示し,考察した。
我々は,多目的COCOMOGSAがこれらの特性を利用して局所トラップを克服できることを実証的に示す。
論文 参考訳(メタデータ) (2020-06-25T14:04:37Z) - A general framework for defining and optimizing robustness [74.67016173858497]
分類器の様々な種類の堅牢性を定義するための厳密でフレキシブルなフレームワークを提案する。
我々の概念は、分類器の堅牢性は正確性とは無関係な性質と考えるべきであるという仮定に基づいている。
我々は,任意の分類モデルに適用可能な,非常に一般的なロバスト性フレームワークを開発する。
論文 参考訳(メタデータ) (2020-06-19T13:24:20Z)
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。