論文の概要: Death in Genetic Algorithms

• arxiv url: http://arxiv.org/abs/2109.13744v1
• Date: Thu, 15 Jul 2021 22:10:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-22 05:05:20.250306
• Title: Death in Genetic Algorithms
• Title（参考訳）: 遺伝的アルゴリズムにおける死
• Authors: Micah Burkhardt, Roman V. Yampolskiy
• Abstract要約: 我々は,死が適応形質であるか否かを実験的に検討し,この適応が従来の遺伝的アルゴリズムの実装を強化するのに有効かどうかを検証した。 最も広く受け入れられている進化的死と老化理論を用いて、老化死は遺伝的アルゴリズムの総実行時間を減らすことができることを観察した。 我々は、死を助長する遺伝的アルゴリズムが、局地的最適化に完全に閉じ込められることを避けるために、独自の能力によってこれを達成できると信じている。
• 参考スコア（独自算出の注目度）: 1.370633147306388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Death has long been overlooked in evolutionary algorithms. Recent research has shown that death (when applied properly) can benefit the overall fitness of a population and can outperform sub-sections of a population that are "immortal" when allowed to evolve together in an environment [1]. In this paper, we strive to experimentally determine whether death is an adapted trait and whether this adaptation can be used to enhance our implementations of conventional genetic algorithms. Using some of the most widely accepted evolutionary death and aging theories, we observed that senescent death (in various forms) can lower the total run-time of genetic algorithms, increase the optimality of a solution, and decrease the variance in an algorithm's performance. We believe that death-enhanced genetic algorithms can accomplish this through their unique ability to backtrack out of and/or avoid getting trapped in local optima altogether.
• Abstract（参考訳）: 死は進化のアルゴリズムで長い間見過ごされてきた。 近年の研究では、死(適切に適用された場合)は、集団全体の適合性に利益があり、環境下で一緒に進化することが許されたときに「不死」な集団のサブセクションを上回ることが示されている[1]。 本稿では,死が適応形質であるか否かを実験的に検証し,この適応が従来の遺伝的アルゴリズムの実装の強化に有効かどうかを検討する。 最も広く受け入れられている進化的死と老化理論を用いて、老化死(様々な形で)が遺伝的アルゴリズムの総実行時間を短縮し、解の最適性を高め、アルゴリズムの性能のばらつきを低減できることを示した。 我々は、死を助長する遺伝的アルゴリズムが、局地的最適化に完全に閉じ込められることを避けるために、独自の能力によってこれを達成できると考えている。

関連論文リスト

• Already Moderate Population Sizes Provably Yield Strong Robustness to Noise [53.27802701790209]
  2つの進化的アルゴリズムは、OneMaxベンチマークのランタイムを増大させることなく、一定のノイズ確率を許容できることを示す。 この結果は、ノイズのない子孫は親と騒々しい子孫の間に偏りのある均一な交叉と見なすことができるという、新しい証明の議論に基づいている。
  論文  参考訳（メタデータ） (2024-04-02T16:35:52Z)
• Evaluating Genetic Algorithms through the Approximability Hierarchy [55.938644481736446]
  本稿では,問題の近似クラスに依存する遺伝的アルゴリズムの有用性を解析する。 特に, 遺伝的アルゴリズムは階層の最も悲観的なクラスに特に有用であることを示す。
  論文  参考訳（メタデータ） (2024-02-01T09:18:34Z)
• 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)
• Larger Offspring Populations Help the $(1 + (\lambda, \lambda))$ Genetic Algorithm to Overcome the Noise [76.24156145566425]
  進化的アルゴリズムは、適合性の評価においてノイズに対して堅牢であることが知られている。 我々は$(lambda,lambda)$の遺伝的アルゴリズムがどんなにノイズに強いかを解析する。
  論文  参考訳（メタデータ） (2023-05-08T08:49:01Z)
• Applications of Gaussian Mutation for Self Adaptation in Evolutionary Genetic Algorithms [0.0]
  1960年、ジョン・H・ホランドとその学生によって最初の遺伝的アルゴリズムが開発された。 本稿では,ガウス突然変異を応用した遺伝的アルゴリズムの数学的直観について検討する。
  論文  参考訳（メタデータ） (2022-01-02T04:18:25Z)
• A Rank based Adaptive Mutation in Genetic Algorithm [0.0]
  本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。 単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と限られた資源制約内での適応的アプローチとの比較実験を行った。
  論文  参考訳（メタデータ） (2021-04-18T12:41:33Z)
• Genetic optimization algorithms applied toward mission computability models [0.3655021726150368]
  遺伝的アルゴリズムは計算ベースであり、計算に低コストである。 遺伝的最適化アルゴリズムをミッションクリティカルかつ制約対応の問題に記述する。
  論文  参考訳（メタデータ） (2020-05-27T00:45:24Z)
• From Understanding Genetic Drift to a Smart-Restart Parameter-less Compact Genetic Algorithm [15.56430085052365]
  遺伝的なドリフトのない体制では、実行期間は人口規模にほぼ比例する。 本稿では,遺伝的アルゴリズムのパラメータレスバージョンを提案する。
  論文  参考訳（メタデータ） (2020-04-15T15:12:01Z)
• Neural Enhanced Belief Propagation on Factor Graphs [85.61562052281688]
  グラフィカルモデルは局所依存確率変数の構造的表現である。 最初にグラフニューラルネットワークを拡張してグラフを分解する(FG-GNN)。 そこで我々は,FG-GNNを連立して動作させるハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2020-03-04T11:03:07Z)
• Gender Genetic Algorithm in the Dynamic Optimization Problem [0.0]
  ジェンダー遺伝的アルゴリズムを用いた高速プロセスの最適化のための一般的なアプローチについて述べる。 従来の遺伝的アルゴリズムとの違いは、人工個体群を2つの性に分けることである。 ボルドウィン効果を用いたジェンダー遺伝アルゴリズムの有望な応用として、消火のダイナミクスが指摘されている。
  論文  参考訳（メタデータ） (2020-02-14T06:06:38Z)
• Towards Better Understanding of Adaptive Gradient Algorithms in Generative Adversarial Nets [71.05306664267832]
  適応アルゴリズムは勾配の歴史を用いて勾配を更新し、深層ニューラルネットワークのトレーニングにおいてユビキタスである。 本稿では,非コンケーブ最小値問題に対するOptimisticOAアルゴリズムの変種を解析する。 実験の結果,適応型GAN非適応勾配アルゴリズムは経験的に観測可能であることがわかった。
  論文  参考訳（メタデータ） (2019-12-26T22:10:10Z)

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。