論文の概要: A Hybrid Decomposition-based Multi-objective Evolutionary Algorithm for
the Multi-Point Dynamic Aggregation Problem
- arxiv url: http://arxiv.org/abs/2105.04934v1
- Date: Tue, 11 May 2021 10:53:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-12 20:36:38.505785
- Title: A Hybrid Decomposition-based Multi-objective Evolutionary Algorithm for
the Multi-Point Dynamic Aggregation Problem
- Title（参考訳）: 多点動的集約問題に対するハイブリッド分解に基づく多目的進化アルゴリズム
- Authors: Guanqiang Gao, Bin Xin, Yi Mei, Shuxin Ding, and Juan Li
- Abstract要約: 本稿では,ロボットの実行計画を設計するための多目的mpda問題に焦点を当てる。
我々は,$ varepsilon $-constraint法を用いたハイブリッド分解型多目的進化アルゴリズム(hdmoea)を開発した。
実験結果から,HDMOEA法はいくつかの最も多く使用されている指標において,最先端の手法よりも有意に優れていた。
- 参考スコア（独自算出の注目度）: 2.6474550925822964
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An emerging optimisation problem from the real-world applications, named the
multi-point dynamic aggregation (MPDA) problem, has become one of the active
research topics of the multi-robot system. This paper focuses on a
multi-objective MPDA problem which is to design an execution plan of the robots
to minimise the number of robots and the maximal completion time of all the
tasks. The strongly-coupled relationships among robots and tasks, the
redundancy of the MPDA encoding, and the variable-size decision space of the
MO-MPDA problem posed extra challenges for addressing the problem effectively.
To address the above issues, we develop a hybrid decomposition-based
multi-objective evolutionary algorithm (HDMOEA) using $ \varepsilon
$-constraint method. It selects the maximal completion time of all tasks as the
main objective, and converted the other objective into constraints. HDMOEA
decomposes a MO-MPDA problem into a series of scalar constrained optimization
subproblems by assigning each subproblem with an upper bound robot number. All
the subproblems are optimized simultaneously with the transferring knowledge
from other subproblems. Besides, we develop a hybrid population initialisation
mechanism to enhance the quality of initial solutions, and a reproduction
mechanism to transmit effective information and tackle the encoding redundancy.
Experimental results show that the proposed HDMOEA method significantly
outperforms the state-of-the-art methods in terms of several most-used metrics.
- Abstract（参考訳）: マルチポイントダイナミックアグリゲーション(mpda)問題(multi-point dynamic aggregation)という,実世界のアプリケーションからの新たな最適化問題は,マルチロボットシステムの活発な研究テーマのひとつとなっている。
本稿では,ロボットの数とタスクの最大完了時間を最小化するために,ロボットの実行計画を設計する多目的MPDA問題に焦点を当てる。
ロボットとタスク間の強い結合関係、MPDA符号化の冗長性、MO-MPDA問題の可変サイズ決定空間は、この問題を効果的に解決するための追加の課題を提起した。
上記の問題に対処するため, $ \varepsilon $-constraint 法を用いたハイブリッド分解型多目的進化アルゴリズム (HDMOEA) を開発した。
主な目的として全てのタスクの最大完了時間を選択し、他の目的を制約に変換する。
HDMOEAは、各サブプロブレムを上界ロボット番号に割り当てることで、MO-MPDA問題を一連のスカラー制約付き最適化サブプロブレムに分解する。
すべてのサブプロブレムは、他のサブプロブレムからの知識の転送と同時に最適化される。
さらに,初期解の質を高めるハイブリッド集団初期化機構と,効果的な情報を伝達し,符号化冗長性に取り組む再生機構を開発した。
実験結果から,HDMOEA法は, 最先端の手法よりも高い性能を示した。
関連論文リスト
- Weighted strategies to guide a multi-objective evolutionary algorithm
for multi-UAV mission planning [12.97430155510359]
この研究は、新しい個体の生成と突然変異のための重み付きランダム・ジェネレータを提案する。
この研究の主な目的は、マルチUAVミッション計画のためのMOEAソルバの収束率を下げることである。
論文 参考訳（メタデータ） (2024-02-28T23:05:27Z) - A First-Order Multi-Gradient Algorithm for Multi-Objective Bi-Level Optimization [7.097069899573992]
マルチオブジェクト・バイ・レベル最適化(MOBLO)問題について検討する。
既存の勾配に基づくMOBLOアルゴリズムはヘッセン行列を計算する必要がある。
FORUMと呼ばれるMOBLOの高効率な1次多重勾配法を提案する。
論文 参考訳（メタデータ） (2024-01-17T15:03:37Z) - Towards Multi-Objective High-Dimensional Feature Selection via
Evolutionary Multitasking [63.91518180604101]
本稿では,高次元特徴選択問題,すなわちMO-FSEMTのための新しいEMTフレームワークを開発する。
タスク固有の知識伝達機構は、各タスクの利点情報を活用するように設計され、高品質なソリューションの発見と効果的な伝達を可能にする。
論文 参考訳（メタデータ） (2024-01-03T06:34:39Z) - Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。
シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
論文 参考訳（メタデータ） (2022-09-15T07:22:58Z) - Large-scale matrix optimization based multi microgrid topology design
with a constrained differential evolution algorithm [30.792124441010447]
非線形問題を解くために二項行列に基づく微分進化アルゴリズムを提案する。
制約に対処するため,環境選択戦略を改良した実現可能性ルールを提案する。
論文 参考訳（メタデータ） (2022-07-18T00:35:29Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Neural Stochastic Dual Dynamic Programming [99.80617899593526]
我々は、問題インスタンスを断片的線形値関数にマッピングすることを学ぶトレーニング可能なニューラルモデルを導入する。
$nu$-SDDPは、ソリューションの品質を犠牲にすることなく、問題解決コストを大幅に削減できる。
論文 参考訳（メタデータ） (2021-12-01T22:55:23Z) - 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) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳（メタデータ） (2021-07-08T18:01:02Z) - Multifactorial Cellular Genetic Algorithm (MFCGA): Algorithmic Design,
Performance Comparison and Genetic Transferability Analysis [17.120962133525225]
多目的最適化は先進的な研究領域であり、近年顕著な研究の勢いを増している。
本稿では,多因子最適化シナリオのための新しいアルゴリズムスキームを提案する。
提案したMFCGAはセルオートマタの概念に基づいて,問題間の知識交換機構を実装している。
論文 参考訳（メタデータ） (2020-03-24T11:03:55Z) - Multi-factorial Optimization for Large-scale Virtual Machine Placement
in Cloud Computing [15.840835256016259]
進化的アルゴリズム(EA)は、過去に仮想マシン配置(VMP)問題に対して有望な解決がなされてきた。
クラウドサービスの需要が増大するにつれて、既存のEAは大規模な仮想マシン配置問題で実装することができない。
異種環境におけるLVMP問題にMFO技術を適用することを目的としている。
論文 参考訳（メタデータ） (2020-01-18T02:59:18Z)
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。