論文の概要: Quantifying the Impact of Boundary Constraint Handling Methods on Differential Evolution

• arxiv url: http://arxiv.org/abs/2105.06757v1
• Date: Fri, 14 May 2021 10:36:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 04:19:36.256104
• Title: Quantifying the Impact of Boundary Constraint Handling Methods on Differential Evolution
• Title（参考訳）: 境界制約ハンドリング法が微分進化に与える影響の定量化
• Authors: Rick Boks, Anna V. Kononova, Hao Wang
• Abstract要約: メタヒューリスティックスの性能と挙動に及ぼす境界制約処理法(BCHM)の影響について検討する。 モジュール型DEフレームワークから抽出した微分進化(DE)の28種類の主要な変種について検討する。 統計的ランキング法を用いて,最適目標関数値(性能の面で)と補修解の割合(挙動)を解析した。
• 参考スコア（独自算出の注目度）: 3.9430294028981763
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constraint handling is one of the most influential aspects of applying metaheuristics to real-world applications, which can hamper the search progress if treated improperly. In this work, we focus on a particular case - the box constraints, for which many boundary constraint handling methods (BCHMs) have been proposed. We call for the necessity of studying the impact of BCHMs on metaheuristics' performance and behavior, which receives seemingly little attention in the field. We target quantifying such impacts through systematic benchmarking by investigating 28 major variants of Differential Evolution (DE) taken from the modular DE framework (by combining different mutation and crossover operators) and $13$ commonly applied BCHMs, resulting in $28 \times 13 = 364$ algorithm instances after pairing DE variants with BCHMs. After executing the algorithm instances on the well-known BBOB/COCO problem set, we analyze the best-reached objective function value (performance-wise) and the percentage of repaired solutions (behavioral) using statistical ranking methods for each combination of mutation, crossover, and BBOB function group. Our results clearly show that the choice of BCHMs substantially affects the empirical performance as well as the number of generated infeasible solutions, which allows us to provide general guidelines for selecting an appropriate BCHM for a given scenario.
• Abstract（参考訳）: 制約処理は、メタヒューリスティックスを現実世界のアプリケーションに適用する上で最も影響力のある側面の1つである。 本研究では,境界制約処理法(BCHM)が多数提案されているボックス制約という,特定のケースに焦点を当てる。 我々は,BCHMがメタヒューリスティックスのパフォーマンスと行動に与える影響を研究することの必要性を訴える。 このような影響を,モジュールDEフレームワークから抽出した28種類の差分進化(DE)と13ドルの一般的なBCHMを用いて定量化することによって,系統的ベンチマークにより定量化することを目的としている。 良く知られたBBOB/COCO問題集合上でアルゴリズムインスタンスを実行した後、突然変異、クロスオーバー、BBOB関数群の組み合わせの統計的ランキング法を用いて、最適に設定された目的関数値(性能の面で)と修復された解の比率(挙動)を解析する。 以上の結果から,BCHMの選択は経験的性能や生成不可能なソリューションの数に大きく影響し,与えられたシナリオに対して適切なBCHMを選択するための一般的なガイドラインを提供することができた。

関連論文リスト

• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• Causally Abstracted Multi-armed Bandits [7.741729770041214]
  マルチアームバンディット (MAB) と因果MAB (CMAB) は意思決定問題の枠組みとして確立されている。 転送学習を、潜在的に異なる変数で定義されたCMABを含む設定に拡張する。 本稿では,CAMABで学習するアルゴリズムを提案し,その後悔について検討する。
  論文  参考訳（メタデータ） (2024-04-26T15:48:09Z)
• Risk-Controlling Model Selection via Guided Bayesian Optimization [35.53469358591976]
  他の競合するメトリクスに対して有用でありながら、特定のリスクに対するユーザ指定の制限に固執する構成を見つけます。 提案手法は,指定された関心領域に属する最適構成の集合を同定する。 提案手法は,低誤差率,等式予測,スプリアス相関処理,生成モデルにおける速度と歪みの管理,計算コストの削減など,複数のデシダラタを用いたタスクに対する有効性を示す。
  論文  参考訳（メタデータ） (2023-12-04T07:29:44Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• Patterns of Convergence and Bound Constraint Violation in Differential Evolution on SBOX-COST Benchmarking Suite [0.0]
  本研究では,境界制約ハンドリング法(BCHM)が差分進化(DE)に特有の探索過程に及ぼす影響について検討する。 実験解析はSBOX-COSTベンチマークテストスイート上で行われ、問題領域に制約を課す。
  論文  参考訳（メタデータ） (2023-05-20T16:04:06Z)
• Learnable Behavior Control: Breaking Atari Human World Records via Sample-Efficient Behavior Selection [56.87650511573298]
  本稿では,LBC(Learable Behavioral Control)と呼ばれるフレームワークを提案する。 我々のエージェントは10077.52%の平均正規化スコアを達成し、1Bのトレーニングフレーム内で24人の世界記録を突破した。
  論文  参考訳（メタデータ） (2023-05-09T08:00:23Z)
• No-Regret Constrained Bayesian Optimization of Noisy and Expensive Hybrid Models using Differentiable Quantile Function Approximations [0.0]
  Constrained Upper Quantile Bound (CUQB) は、制約近似を避けるための概念的に単純で決定論的アプローチである。 CUQBは制約のある場合と制約のない場合の両方において従来のベイズ最適化よりも著しく優れることを示す。
  論文  参考訳（メタデータ） (2023-05-05T19:57:36Z)
• Contextual Causal Bayesian Optimisation [3.649440235324259]
  一般に、介入変数の値を選択する文脈として観察変数のサブセットを利用すると、累積的後悔が減少することを示す。 本稿では,制御変数と文脈変数の組み合わせを効率的に探索する文脈因果ベイズ最適化の一般的な枠組みを提案する。 分析により、文脈BO(CoBO)やCaBO(CaBO)のような確立された手法では、いくつかの場合において最適な結果が得られないことが示されている。
  論文  参考訳（メタデータ） (2023-01-29T10:36:10Z)
• Stein Variational Model Predictive Control [130.60527864489168]
  不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。 モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。 この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
  論文  参考訳（メタデータ） (2020-11-15T22:36:59Z)
• Thompson Sampling Algorithms for Mean-Variance Bandits [97.43678751629189]
  我々は平均分散MABのためのトンプソンサンプリング型アルゴリズムを開発した。 我々はまた、ガウシアンとベルヌーイの盗賊に対する包括的後悔の分析も提供する。 我々のアルゴリズムは、全てのリスク許容度に対して既存のLCBベースのアルゴリズムを著しく上回っている。
  論文  参考訳（メタデータ） (2020-02-01T15:33:50Z)
• Supervised Hyperalignment for multi-subject fMRI data alignment [81.8694682249097]
  本稿では,MVP解析における機能的アライメントを改善するために,SHA(Supervised Hyperalignment)手法を提案する。 マルチオブジェクトデータセットの実験では、SHA法は最大19%の性能がマルチクラス問題に対して達成されている。
  論文  参考訳（メタデータ） (2020-01-09T09:17:49Z)

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。