Fugu-MT 論文翻訳(概要): A Crossover That Matches Diverse Parents Together in Evolutionary Algorithms

論文の概要: A Crossover That Matches Diverse Parents Together in Evolutionary Algorithms

arxiv url: http://arxiv.org/abs/2105.03680v1
Date: Sat, 8 May 2021 11:43:26 GMT
ステータス: 処理完了
システム内更新日: 2021-05-11 14:42:31.262641
Title: A Crossover That Matches Diverse Parents Together in Evolutionary Algorithms
Title（参考訳）: 進化的アルゴリズムで異父母を一致させるクロスオーバー
Authors: Maciej \'Swiechowski
Abstract要約: 選択の問題は進化的決定木の構築である。クロスオーバーフェーズを実行するための新しい手法を提案する。 1つの変種は最良のアプローチとして明らかに現れ、残りの変種はベースライン以下である。
参考スコア（独自算出の注目度）: 0.228438857884398
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Crossover and mutation are the two main operators that lead to new solutions in evolutionary approaches. In this article, a new method of performing the crossover phase is presented. The problem of choice is evolutionary decision tree construction. The method aims at finding such individuals that together complement each other. Hence we say that they are diversely specialized. We propose the way of calculating the so-called complementary fitness. In several empirical experiments, we evaluate the efficacy of the method proposed in four variants and compare it to a fitness-rank-based approach. One variant emerges clearly as the best approach, whereas the remaining ones are below the baseline.
Abstract（参考訳）: 交叉と突然変異は進化的アプローチにおける新しい解決策をもたらす2つの主要な演算子である。本稿では、クロスオーバーフェーズを実行する新しい方法を示す。選択の問題は進化的決定木の構築である。この方法は、互いに補完し合うような個人を見つけることを目的としている。したがって、彼らは多種多様な専門性を持っている。いわゆる相補的適合性を計算する方法を提案する。いくつかの実証実験において,提案手法の有効性を評価し,適合率に基づくアプローチと比較した。 1つの変種は最良のアプローチとして明らかに現れ、残りの変種はベースライン以下である。

関連論文リスト

Adaptive Differential Evolution with Diversification: Addressing Optimization Challenges [0.0]
ADEDは適応的な突然変異とZレート、多様な突然変異戦術、多様化メカニズム、モニタリングシナリオを含む適応的な多様なアプローチと差別化している。
論文参考訳（メタデータ） (2023-12-22T06:33:56Z)
Plan, Verify and Switch: Integrated Reasoning with Diverse X-of-Thoughts [65.15322403136238]
我々は,多種多様な推論の思考をLCMに促すことにより,総合的な問題解決フレームワーク XoT を提案する。各質問に対して、XoTは常に最も適切なメソッドを選択して始まり、各メソッドを反復的に実行する。各イテレーション内で、XoTは生成された回答の有効性を積極的にチェックし、外部エグゼクタからのフィードバックを取り入れます。
論文参考訳（メタデータ） (2023-10-23T07:02:20Z)
Directed differential equation discovery using modified mutation and cross-over operators [77.34726150561087]
本稿では,方程式探索アルゴリズムの進化演算子に導入可能な修正について紹介する。導電方程式発見と呼ばれる結果のアプローチは、より正確な解へと収束する能力を示す。
論文参考訳（メタデータ） (2023-08-09T14:50:02Z)
Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文参考訳（メタデータ） (2023-06-06T19:05:01Z)
Langevin Diffusion Variational Inference [38.73307745906571]
既存の手法を統一し一般化する単一の分析を行う。主な考え方は、アンダーダムのランゲヴィン拡散過程を数値シミュレーションすることで目標と変動を増大させることである。本稿では,既存のアルゴリズムの強みを組み合わせた新しい手法を提案する。
論文参考訳（メタデータ） (2022-08-16T13:33:19Z)
Multivariate feature ranking of gene expression data [62.997667081978825]
ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-11-03T17:19:53Z)
cMLSGA: A Co-Evolutionary Multi-Level Selection Genetic Algorithm for Multi-Objective Optimization [0.0]
MLSGA(Multi-Level Selection Genetic Algorithm)は、すでに様々な問題に対して優れた性能を示している。本稿では,共進化を個人ではなく集団間の競争として定義する,個別の共進化機構を提案する。
論文参考訳（メタデータ） (2021-04-22T13:52:21Z)
UnitedQA: A Hybrid Approach for Open Domain Question Answering [70.54286377610953]
最近の訓練済みのニューラル言語モデルに基づいて,抽出的および生成的読取能力を高めるために,新しい手法を適用した。私たちのアプローチは、それぞれNaturalQuestionsとTriviaQAと正確な一致で、以前の最先端のモデルを3.3と2.7ポイント上回る。
論文参考訳（メタデータ） (2021-01-01T06:36:16Z)
Evaluating the impact of different types of crossover and selection methods on the convergence of 0/1 Knapsack using Genetic Algorithm [0.0]
遺伝的アルゴリズム(英: Genetic Algorithm)は、最適化と探索問題の解法において勾配に基づく手法の失敗を克服するために導入された進化的アルゴリズムであり、メタヒューリスティックである。以上の結果から,0/1knapsack問題に対する1点クロスオーバーとトーナメント選択の組み合わせの収束率が最も高く,0/1knapsackを解く上で最も効率的であることが示唆された。
論文参考訳（メタデータ） (2020-10-07T15:36:33Z)
There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
論文参考訳（メタデータ） (2020-04-06T17:58:08Z)
Differential Evolution with Reversible Linear Transformations [8.873449722727026]
本稿では,3重項解に適用した可逆線形変換を利用して,新しい候補解を生成することを提案する。言い換えれば、新生個体を適合性を評価することなく利用することで人口を拡大する。
論文参考訳（メタデータ） (2020-02-07T16:05:54Z)

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。