論文の概要: Entropy-Based Evolutionary Diversity Optimisation for the Traveling Salesperson Problem

• arxiv url: http://arxiv.org/abs/2104.13538v1
• Date: Wed, 28 Apr 2021 02:36:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-02 04:44:00.474941
• Title: Entropy-Based Evolutionary Diversity Optimisation for the Traveling Salesperson Problem
• Title（参考訳）: エントロピーに基づく販売者問題に対する進化的多様性最適化
• Authors: Adel Nikfarjam, Jakob Bossek, Aneta Neumann, Frank Neumann
• Abstract要約: 我々は,高次エントロピー尺度(High-order entropy measure)と呼ばれる集団多様性尺度を進化的アルゴリズムに応用し,トラベリングセールスパーソン問題に対する多様な高品質な解を求める。 最近提案されたエッジベースの多様性最適化アプローチと比較して,多数のソリューションや長いセグメントを扱う場合に比べて,大幅な改善が見られた。
• 参考スコア（独自算出の注目度）: 11.590506672325668
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computing diverse sets of high-quality solutions has gained increasing attention among the evolutionary computation community in recent years. It allows practitioners to choose from a set of high-quality alternatives. In this paper, we employ a population diversity measure, called the high-order entropy measure, in an evolutionary algorithm to compute a diverse set of high-quality solutions for the Traveling Salesperson Problem. In contrast to previous studies, our approach allows diversifying segments of tours containing several edges based on the entropy measure. We examine the resulting evolutionary diversity optimisation approach precisely in terms of the final set of solutions and theoretical properties. Experimental results show significant improvements compared to a recently proposed edge-based diversity optimisation approach when working with a large population of solutions or long segments.
• Abstract（参考訳）: 近年,進化計算コミュニティでは,様々な高品質ソリューションの計算が注目されている。 実践者は高品質な選択肢を選択することができる。 本稿では,高次エントロピー尺度(High-order entropy measure)と呼ばれる集団多様性尺度を進化的アルゴリズムに応用し,トラベリングセールスマン問題に対する多様な高品質な解を求める。 従来の研究とは対照的に,エントロピー測度に基づく複数のエッジを含むツアーセグメントの多様化が可能である。 結果の進化的多様性最適化アプローチを,最終解と理論的性質の観点から正確に検討する。 実験の結果, 多数の解や長いセグメントを扱う場合, エッジベースの多様性最適化手法と比較して, 顕著な改善が得られた。

関連論文リスト

• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  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。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• 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)
• Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics [89.24951036534168]
  メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。 本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
  論文  参考訳（メタデータ） (2022-10-23T22:21:10Z)
• Computing High-Quality Solutions for the Patient Admission Scheduling Problem using Evolutionary Diversity Optimisation [10.609857097723266]
  我々は、現実世界の問題、すなわち患者受け入れスケジューリングに対する進化的多様性の最適化に適応する。 本稿では,各解の品質を考慮に入れた一組の解において,構造的多様性を実現するための進化的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-28T14:26:45Z)
• Co-Evolutionary Diversity Optimisation for the Traveling Thief Problem [11.590506672325668]
  本稿では,多成分走行盗難問題に対する2つの空間を同時に探索する共進化的アルゴリズムを提案する。 その結果,論文の基盤となる進化的多様性アルゴリズムと比較して,共進化的アルゴリズムの多様性を著しく向上させる能力を示した。
  論文  参考訳（メタデータ） (2022-07-28T12:02:15Z)
• Coevolutionary Pareto Diversity Optimization [13.026567958569965]
  共進化的Pareto Diversity Optimizationアプローチを導入する。 特に,集団間クロスオーバーの利用により,解の集合の多様性がさらに向上することを示す。
  論文  参考訳（メタデータ） (2022-04-12T00:52:13Z)
• Evolutionary Diversity Optimisation for The Traveling Thief Problem [11.590506672325668]
  解の集合の構造的多様性を最大化する二段階の進化的アルゴリズムを導入する。 多様性を得る最良の方法を実証的に決定する。 実験の結果,ほとんどのTTPベンチマークインスタンスにおける構造的多様性の観点から,QDアプローチの大幅な改善が示された。
  論文  参考訳（メタデータ） (2022-04-06T10:13:55Z)
• 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)
• An Analysis of Phenotypic Diversity in Multi-Solution Optimization [118.97353274202749]
  マルチモーダル最適化は高い適合性ソリューションを生み出し、品質の多様性は遺伝的中立性に敏感ではない。 オートエンコーダは表現型特徴を自動的に発見するために使用され、品質の多様性を備えたさらに多様なソリューションセットを生成する。
  論文  参考訳（メタデータ） (2021-05-10T10:39:03Z)
• Towards Multimodal Response Generation with Exemplar Augmentation and Curriculum Optimization [73.45742420178196]
  本稿では,高度化とカリキュラム最適化を併用した,新しいマルチモーダル応答生成フレームワークを提案する。 我々のモデルは多様性と妥当性の点で強いベースラインに比べて大幅に改善されている。
  論文  参考訳（メタデータ） (2020-04-26T16:29:06Z)
• Evolving Diverse Sets of Tours for the Travelling Salesperson Problem [14.171272631032522]
  本研究では,与えられたツアーセットに対して異なる多様性尺度を使用することによる影響と,高品質なソリューションの多様な集合を得るための進化的アルゴリズムの能力について検討する。 本研究は,多種多様な高品質ツアーを,我々のアプローチを用いて実現できることを示唆する。
  論文  参考訳（メタデータ） (2020-04-20T10:34:07Z)

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。