論文の概要: Multiple simultaneous solution representations in a population based evolutionary algorithm

• arxiv url: http://arxiv.org/abs/2106.05096v1
• Date: Wed, 9 Jun 2021 14:22:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 04:19:24.480606
• Title: Multiple simultaneous solution representations in a population based evolutionary algorithm
• Title（参考訳）: 集団に基づく進化的アルゴリズムにおける多重同時解表現
• Authors: Eric S. Fraga
• Abstract要約: フレサはストロベリー植物の伝播にインスパイアされ、集団で共存する複数の表現が可能である。 バッチリアクターシステムの運転条件設計におけるケーススタディは、不均一な人口探索を示すために用いられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The representation used for solutions in optimization can have a significant impact on the performance of the optimization method. Traditional population based evolutionary methods have homogeneous populations where all solutions use the same representation. If different representations are to be considered, different runs are required to investigate the relative performance. In this paper, we illustrate the use of a population based evolutionary method, Fresa, inspired by the propagation of Strawberry plants, which allows for multiple representations to co-exist in the population. Fresa is implemented in the Julia language. Julia provides dynamic typing and multiple dispatch. In multiple dispatch, the function invoked is determined, dynamically at run time, by the types of the arguments passed to it. This enables a generic implementation of key steps in the plant propagation algorithm which allows for a heterogeneous population. The search procedure then leads to a competition between representations automatically. A simple case study from the design of operating conditions for a batch reactor system is used to illustrate heterogeneous population based search.
• Abstract（参考訳）: 最適化における解の表現は最適化法の性能に大きな影響を及ぼす可能性がある。 伝統的な集団に基づく進化法は、全ての解が同じ表現を使用する均質な集団を持つ。 異なる表現を考慮する場合、相対的なパフォーマンスを調べるために異なる実行が必要となる。 本稿では,イチゴの繁殖に触発された集団ベースの進化的手法であるfresaの利用について述べる。 FresaはJulia言語で実装されている。 Juliaは動的型付けと多重ディスパッチを提供する。 複数のディスパッチでは、呼び出された関数は実行時に動的に、渡される引数の型によって決定される。 これにより、異種集団を実現する植物伝播アルゴリズムにおけるキーステップの汎用的な実装が可能になる。 検索手順は、自動的に表現間の競合に繋がる。 バッチ反応器システムの運転条件設計から得られた簡易なケーススタディを用いて,異種個体群探索を行った。

関連論文リスト

• Ant Colony Sampling with GFlowNets for Combinatorial Optimization [68.84985459701007]
  Generative Flow Ant Colony Sampler (GFACS)は、階層的に償却推論と並列探索を組み合わせた新しいメタヒューリスティック手法である。 提案手法はまず,生成フローネットワーク(GFlowNets)を利用して,ソリューション空間上の複数モーダル事前分布を記憶する。
  論文  参考訳（メタデータ） (2024-03-11T16:26:06Z)
• Benchmarking Differential Evolution on a Quantum Simulator [0.0]
  微分進化(DE)はラストリギン関数やローゼンブロック関数などの関数の最小値を計算するために用いられる。 この研究は、古典的チューリングモデル計算で生成される候補個体を用いて、これらの関数にDE法を適用した結果の研究である。
  論文  参考訳（メタデータ） (2023-11-06T14:27:00Z)
• Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
  現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。 標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。 我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。 本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
  論文  参考訳（メタデータ） (2023-04-01T15:50:18Z)
• Object Representations as Fixed Points: Training Iterative Refinement Algorithms with Implicit Differentiation [88.14365009076907]
  反復的洗練は表現学習に有用なパラダイムである。 トレーニングの安定性とトラクタビリティを向上させる暗黙の差別化アプローチを開発する。
  論文  参考訳（メタデータ） (2022-07-02T10:00:35Z)
• Population based change-point detection for the identification of homozygosity islands [0.0]
  本稿では,動的プログラミングアルゴリズムで効率的に計算したり,高速なグリーディ二分法アルゴリズムで近似できるペナル化最大可能性法を提案する。 両アルゴリズムは、確率ベクトルの分布と独立サンプリングに関する非常に一般的な仮定の下で、ほぼ確実に変化点の集合に収束することを示す。 この新しいアプローチは、集団内の個人のゲノム上のホモ接合性島を同定する問題によって動機付けられている。
  論文  参考訳（メタデータ） (2021-11-19T12:53:41Z)
• Calibrated Multiple-Output Quantile Regression with Representation Learning [12.826754199680472]
  我々は,一様分布を持つ応答の表現を深層生成モデルを用いて学習する。 次に、解を応答の元の空間に変換する。 実データと合成データの両方を用いて実験を行った結果,本手法は比較的小さい領域を構成することがわかった。
  論文  参考訳（メタデータ） (2021-10-02T14:50:15Z)
• Local policy search with Bayesian optimization [73.0364959221845]
  強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。 局所探索のための政策勾配は、しばしばランダムな摂動から得られる。 目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-06-22T16:07:02Z)
• Flow Network based Generative Models for Non-Iterative Diverse Candidate Generation [110.09855163856326]
  本稿では,アクションのシーケンスからオブジェクトを生成するためのポリシーを学習する問題について述べる。 本稿では,生成過程をフローネットワークとして見たGFlowNetを提案する。 提案した目的の任意のグローバルな最小限が、所望の分布から標本化する方針を導出することを証明する。
  論文  参考訳（メタデータ） (2021-06-08T14:21:10Z)
• Evolutionary Variational Optimization of Generative Models [0.0]
  分散最適化と進化的アルゴリズムの2つの一般的な最適化アプローチをジェネレーションモデルのための学習アルゴリズムの導出に組み合わせます。 進化的アルゴリズムは変動境界を効果的かつ効率的に最適化できることを示す。 ゼロショット」学習のカテゴリでは、多くのベンチマーク設定で最先端の技術を大幅に改善するために進化的変動アルゴリズムを観察しました。
  論文  参考訳（メタデータ） (2020-12-22T19:06:33Z)
• Removing Bias in Multi-modal Classifiers: Regularization by Maximizing Functional Entropies [88.0813215220342]
  いくつかのモダリティは、他のものよりも分類結果に容易に寄与することができる。 機能的エントロピーと機能的フィッシャー情報とを結合した対数ソボレフの不等式に基づく手法を開発した。 VQA-CPv2 と SocialIQ の2つの挑戦的マルチモーダルデータセットに対して,より均一にモダリティを活用しながら,最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-10-21T07:40:33Z)

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。