論文の概要: A Rank based Adaptive Mutation in Genetic Algorithm

• arxiv url: http://arxiv.org/abs/2104.08842v1
• Date: Sun, 18 Apr 2021 12:41:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 13:40:12.987737
• Title: A Rank based Adaptive Mutation in Genetic Algorithm
• Title（参考訳）: 遺伝的アルゴリズムにおけるランクに基づく適応突然変異
• Authors: Avijit Basak
• Abstract要約: 本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。 単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と限られた資源制約内での適応的アプローチとの比較実験を行った。
• 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: Traditionally Genetic Algorithm has been used for optimization of unimodal and multimodal functions. Earlier researchers worked with constant probabilities of GA control operators like crossover, mutation etc. for tuning the optimization in specific domains. Recent advancements in this field witnessed adaptive approach in probability determination. In Adaptive mutation primarily poor individuals are utilized to explore state space, so mutation probability is usually generated proportionally to the difference between fitness of best chromosome and itself (fMAX - f). However, this approach is susceptible to nature of fitness distribution during optimization. This paper presents an alternate approach of mutation probability generation using chromosome rank to avoid any susceptibility to fitness distribution. Experiments are done to compare results of simple genetic algorithm (SGA) with constant mutation probability and adaptive approaches within a limited resource constraint for unimodal, multimodal functions and Travelling Salesman Problem (TSP). Measurements are done for average best fitness, number of generations evolved and percentage of global optimum achievements out of several trials. The results demonstrate that the rank-based adaptive mutation approach is superior to fitness-based adaptive approach as well as SGA in a multimodal problem space.
• Abstract（参考訳）: 従来、遺伝的アルゴリズムはユニモーダル関数とマルチモーダル関数の最適化に用いられてきた。 初期の研究者たちは、クロスオーバーや突然変異といったGAコントロールオペレータの確率を一定に保った。 特定の領域の最適化を調整します この分野の最近の進歩は、確率決定における適応的アプローチを目撃した。 適応突然変異では、主に貧弱な個体は状態空間を探索するために利用されるため、突然変異確率は通常、最良の染色体と自身の適合性の差に比例して生成される(fmax - f)。 しかし、このアプローチは最適化中のフィットネス分布の性質に影響を受けやすい。 本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。 単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と適応的アプローチを、単調なマルチモーダル関数とトラベリングセールスマン問題(TSP)の限られた資源制約の中で比較する実験を行った。 測定は、平均的ベストフィットネス、世代数の進化、いくつかの試行から得られる世界的最適達成率に対して行われる。 その結果,適合度に基づく適応的突然変異法は多モード問題空間におけるSGAと同様に適合性に基づく適応的アプローチよりも優れていることが示された。

関連論文リスト

• Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
  遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。 本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しい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） (2023-09-28T13:05:30Z)
• Designing Biological Sequences via Meta-Reinforcement Learning and Bayesian Optimization [68.28697120944116]
  メタ強化学習を用いて自己回帰生成モデルを訓練し、選択のための有望なシーケンスを提案する。 我々は,データのサブセットのサンプリングによって誘導されるMDPの分布に対する最適ポリシーを求める問題として,この問題を提起する。 このようなアンサンブルに対するメタラーニングは,報酬の過小評価に対して頑健であり,競争的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-13T18:37:27Z)
• An Application of a Multivariate Estimation of Distribution Algorithm to Cancer Chemotherapy [59.40521061783166]
  癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。 より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。 我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
  論文  参考訳（メタデータ） (2022-05-17T15:28:46Z)
• Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
  本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。 GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。 同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
  論文  参考訳（メタデータ） (2022-04-11T01:08:26Z)
• 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)
• Analysis of Evolutionary Diversity Optimisation for Permutation Problems [17.268191781480745]
  最もよく研究された置換問題の3つに対する進化的多様性最適化に関する研究 その結果、これらの問題に対する多くの突然変異演算子により、最大多様な個体群への収束が保証された。 QAPLIBおよび合成インスタンス上で、制約のない、制約のない環境で実験を行う。
  論文  参考訳（メタデータ） (2021-02-23T03:13:26Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)
• Robust, Accurate Stochastic Optimization for Variational Inference [68.83746081733464]
  また, 共通最適化手法は, 問題が適度に大きい場合, 変分近似の精度が低下することを示した。 これらの結果から,基礎となるアルゴリズムをマルコフ連鎖の生成とみなして,より堅牢で正確な最適化フレームワークを開発する。
  論文  参考訳（メタデータ） (2020-09-01T19:12:11Z)
• Tip the Balance: Improving Exploration of Balanced Crossover Operators by Adaptive Bias [2.610470075814367]
  遺伝的アルゴリズム(GA)におけるバランスの取れたクロスオーバー演算子の使用は、子孫として生成された二進文字列が両親と同じハミング重みを持つことを保証している。 この手法は,探索空間のサイズを小さくするが,GAが探索することが困難になることが多い。 本論文では、対向型クロスオーバー演算子に適応バイアス戦略を適用することにより、この問題を考察した。
  論文  参考訳（メタデータ） (2020-04-23T17:26:43Z)
• On Non-Elitist Evolutionary Algorithms Optimizing Fitness Functions with a Plateau [2.28438857884398]
  我々は、非楕円進化アルゴリズム(EA)の期待ランタイムを考える。 適応度選択のEAは、ビットワイズ変異が突然変異確率の標準設定で使用される場合、非効率であることが示される。
  論文  参考訳（メタデータ） (2020-04-18T03:20:14Z)
• Fast Mutation in Crossover-based Algorithms [8.34061303235504]
  Doerr、Le、Makhmara、Nguyen(GECCO)で提案された重尾突然変異演算子 Doerr、Le、Makhmara、Nguyen(GECCO)で提案された重尾突然変異演算子 実験的な研究は、ランダムに満足できるMax-3SATインスタンスにも高速突然変異の有効性を示す。
  論文  参考訳（メタデータ） (2020-04-14T14:16:42Z)

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。