論文の概要: Competition on Dynamic Optimization Problems Generated by Generalized
Moving Peaks Benchmark (GMPB)
- arxiv url: http://arxiv.org/abs/2106.06174v3
- Date: Wed, 13 Dec 2023 09:16:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 21:25:48.387781
- Title: Competition on Dynamic Optimization Problems Generated by Generalized
Moving Peaks Benchmark (GMPB)
- Title（参考訳）: 一般化移動ピークベンチマーク(gmpb)による動的最適化問題の競合
- Authors: Danial Yazdani (1), Michalis Mavrovouniotis (2), Changhe Li (3),
Wenjian Luo (4), Mohammad Nabi Omidvar (5), Amir H. Gandomi (6), Trung Thanh
Nguyen (7), Juergen Branke (8), Xiaodong Li (9), Shengxiang Yang (10), and
Xin Yao (11) ((1) Faculty of Engineering & Information Technology, University
of Technology Sydney,(2) ERATOSTHENES Centre of Excellence, (3) School of
Automation, China University of Geosciences, (4) Guangdong Provincial Key
Laboratory of Novel Security Intelligence Technologies, School of Computer
Science and Technology, Harbin Institute of Technology and Peng Cheng
Laboratory, (5) School of Computing, University of Leeds, and Leeds
University Business School, (6) Faculty of Engineering & Information
Technology, University of Technology Sydney and University Research and
Innovation Center (EKIK), Obuda University, (7) Liverpool Logistics, Offshore
and Marine (LOOM) Research Institute, Faculty of Engineering and Technology,
School of Engineering, Liverpool John Moores University, (8) Warwick Business
school, University of Warwick, (9) School of Science (Computer Science), RMIT
University, (10) Center for Computational Intelligence (CCI), School of
Computer Science and Informatics, De Montfort University, (11) Research
Institute of Trustworthy Autonomous Systems (RITAS), and Guangdong Provincial
Key Laboratory of Brain inspired Intelligent Computation, Department of
Computer Science and Engineering, Southern University of Science and
Technology, and CERCIA, School of Computer Science, University of Birmingham)
- Abstract要約: 本書では、GMPB(Generalized moving Benchmark)を紹介する。
GMPBは、幅広い特徴を持つ景観を生成するのに適している。
この文書はGMPBの複雑さを掘り下げ、そのパラメータを調整してこれらの多様な景観特性を創出する方法を詳述している。
- 参考スコア（独自算出の注目度）: 5.1812733319583915
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This document introduces the Generalized Moving Peaks Benchmark (GMPB), a
tool for generating continuous dynamic optimization problem instances that is
used for the CEC 2024 Competition on Dynamic Optimization. GMPB is adept at
generating landscapes with a broad spectrum of characteristics, offering
everything from unimodal to highly multimodal landscapes and ranging from
symmetric to highly asymmetric configurations. The landscapes also vary in
texture, from smooth to highly irregular surfaces, encompassing diverse degrees
of variable interaction and conditioning. This document delves into the
intricacies of GMPB, detailing the myriad ways in which its parameters can be
tuned to produce these diverse landscape characteristics. GMPB's MATLAB
implementation is available on the EDOLAB Platform.
- Abstract（参考訳）: この文書は、CEC 2024の動的最適化コンペティションに使用される継続的動的最適化問題インスタンスを生成するツールであるGMPB(Generalized Moving Peaks Benchmark)を紹介している。
gmpbは、幅広い特徴を持つ風景を創出し、ユニモーダルから高度にマルチモーダルな風景まで、対称から高度に非対称な構成まであらゆるものを提供する。
風景は、滑らかな表面から非常に不規則な表面まで、様々な相互作用と条件づけの程度を包含するテクスチャも様々である。
この文書はGMPBの複雑さを掘り下げ、そのパラメータを調整してこれらの多様な景観特性を創出する方法を詳述している。
GMPBのMATLAB実装はEDOLABプラットフォームで利用可能である。
関連論文リスト
- Generalized Preference Optimization: A Unified Approach to Offline Alignment [54.97015778517253]
本稿では,一般的な凸関数のクラスによってパラメータ化されるオフライン損失の族である一般化された選好最適化(GPO)を提案する。
GPOは、DPO、IPO、SLiCといった既存のアルゴリズムを特別なケースとして含む、優先最適化に関する統一的なビューを可能にする。
本研究は,新たなアルゴリズムツールキットと経験的洞察を実践者のアライメントに提示する。
論文 参考訳（メタデータ） (2024-02-08T15:33:09Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and
Multi-view Geometric Consistency Perception [60.23832277827669]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元する傾向がある。
水平深度と比表現に適した教師なし適応手法を提案する。
また,決定レベルのレイアウト解析のための最適化手法と,特徴レベルのマルチビューアグリゲーションのための1次元コストボリューム構築手法も導入する。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z) - Parameter Efficient Fine-tuning via Cross Block Orchestration for Segment Anything Model [81.55141188169621]
PEFTにクロスブロックオーケストレーション機構を組み、SAM(Segment Anything Model)の様々な下流シナリオへの適応を可能にする。
本稿では,超複素層から重みが生じる線形射影ヘッドを導入するブロック内拡張モジュールを提案する。
提案手法は,約1Kのパラメータのみを付加した新規シナリオにおいて,セグメンテーション性能を大幅に向上させる。
論文 参考訳（メタデータ） (2023-11-28T11:23:34Z) - Global Optimization: A Machine Learning Approach [7.052596485478637]
Bertsimas と Ozturk (2023) は、ブラックボックスのグローバル最適化問題を解決する方法として OCTHaGOn を提案した。
我々は、他のMIO表現可能なMLモデルを用いて、元の問題を近似することで、このアプローチの拡張を提供する。
多くの場合において、ソリューションの実現可能性と最適性の改善を示す。
論文 参考訳（メタデータ） (2023-11-03T06:33:38Z) - RGM: A Robust Generalizable Matching Model [49.60975442871967]
RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。
合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。
さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
論文 参考訳（メタデータ） (2023-10-18T07:30:08Z) - SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。
いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
論文 参考訳（メタデータ） (2023-08-16T14:25:30Z) - MA-BBOB: Many-Affine Combinations of BBOB Functions for Evaluating
AutoML Approaches in Noiseless Numerical Black-Box Optimization Contexts [0.8258451067861933]
(MA-)BBOBは、一般公開のIOHファウンサープラットフォーム上に構築されている。
パフォーマンス分析と視覚化のためのインタラクティブなIOHanalyzerモジュールへのアクセスを提供し、(MA-)BBOB関数で利用可能なリッチで成長中のデータコレクションとの比較を可能にする。
論文 参考訳（メタデータ） (2023-06-18T19:32:12Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳（メタデータ） (2022-10-19T19:04:45Z) - Hybrid Parameter Search and Dynamic Model Selection for Mixed-Variable
Bayesian Optimization [6.204805504959941]
混合変数の管理に有効なベイズ最適化(BO)のための新しいタイプのハイブリッドモデルを提案する。
提案手法は,モンテカルロ木探索構造 (MCTS) とガウス過程 (GP) を融合したハイブリッドモデルである。
代理モデリングフェーズにおける動的オンラインカーネル選択を含む我々のイノベーションは、ハイブリッドモデルを混合可変代理モデルの進歩として位置づけている。
論文 参考訳（メタデータ） (2022-06-03T06:34:09Z) - Explicitly Multi-Modal Benchmarks for Multi-Objective Optimization [1.9282110216621833]
本研究では,アトラクションの流域を用いて,流域接続性(3BC)に基づくベンチマークを導入する。
3BCは、盆地グラフと呼ばれるトポロジ解析によって、マルチモーダルランドスケープの仕様化を可能にする。
論文 参考訳（メタデータ） (2021-10-07T05:51:32Z) - Generating Large-scale Dynamic Optimization Problem Instances Using the
Generalized Moving Peaks Benchmark [9.109331015600185]
本論文では, 一般化移動ピークベンチマーク(GMPB)と, 連続的な大規模動的最適化問題に対する問題インスタンスの生成方法について述べる。
15のベンチマーク問題、関連するソースコード、および大規模動的最適化における比較研究と競合のために設計されたパフォーマンス指標を提示する。
論文 参考訳（メタデータ） (2021-07-23T03:57:50Z)
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。