論文の概要: A novel multiobjective evolutionary algorithm based on decomposition and
multi-reference points strategy
- arxiv url: http://arxiv.org/abs/2110.14124v6
- Date: Thu, 11 Nov 2021 08:21:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 03:40:06.442434
- Title: A novel multiobjective evolutionary algorithm based on decomposition and
multi-reference points strategy
- Title（参考訳）: 分解と多元参照点戦略に基づく新しい多目的進化アルゴリズム
- Authors: Wang Chen, Jian Chen, Weitian Wu, Xinmin Yang, Hui Li
- Abstract要約: 分解に基づく多目的進化アルゴリズム(MOEA/D)は、多目的最適化問題(MOP)を解く上で、極めて有望なアプローチであると考えられている。
本稿では,よく知られたPascoletti-Serafiniスキャラライゼーション法とマルチ参照ポイントの新たな戦略により,MOEA/Dアルゴリズムの改良を提案する。
- 参考スコア（独自算出の注目度）: 14.102326122777475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many real-world optimization problems such as engineering design can be
eventually modeled as the corresponding multiobjective optimization problems
(MOPs) which must be solved to obtain approximate Pareto optimal fronts.
Multiobjective evolutionary algorithm based on decomposition (MOEA/D) has been
regarded as a significantly promising approach for solving MOPs. Recent studies
have shown that MOEA/D with uniform weight vectors is well-suited to MOPs with
regular Pareto optimal fronts, but its performance in terms of diversity
usually deteriorates when solving MOPs with irregular Pareto optimal fronts. In
this way, the solution set obtained by the algorithm can not provide more
reasonable choices for decision makers. In order to efficiently overcome this
drawback, we propose an improved MOEA/D algorithm by virtue of the well-known
Pascoletti-Serafini scalarization method and a new strategy of multi-reference
points. Specifically, this strategy consists of the setting and adaptation of
reference points generated by the techniques of equidistant partition and
projection. For performance assessment, the proposed algorithm is compared with
existing four state-of-the-art multiobjective evolutionary algorithms on
benchmark test problems with various types of Pareto optimal fronts. According
to the experimental results, the proposed algorithm exhibits better diversity
performance than that of the other compared algorithms. Finally, our algorithm
is applied to two real-world MOPs in engineering optimization successfully.
- Abstract（参考訳）: 工学設計のような現実世界の多くの最適化問題は、最終的には対応する多目的最適化問題(MOP)としてモデル化することができる。
分解に基づく多目的進化アルゴリズム (MOEA/D) は, MOPを解く上で極めて有望な手法であると考えられている。
近年の研究では、均一な重みベクトルを持つMOEA/Dは、通常のパレート最適フロントを持つMOPに適しているが、その多様性は、不規則なパレート最適フロントを持つMOAを解く際には通常劣化する。
このようにして、アルゴリズムによって得られた解は、意思決定者により合理的な選択を与えることができない。
この欠点を効率的に克服するために,よく知られたpascoletti-serafiniスカラー化法と複数参照点の新しい戦略を用いて,改良したmoea/dアルゴリズムを提案する。
具体的には、この戦略は等距離分割と投影の技法によって生成される基準点の設定と適応から構成される。
性能評価のために,提案アルゴリズムは,パレート最適フロントの様々な種類のベンチマークテスト問題において,既存の4つの最先端多目的進化アルゴリズムと比較される。
実験結果によると,提案アルゴリズムは他の比較アルゴリズムよりも多様性に優れることがわかった。
最後に,本アルゴリズムは工学最適化における実世界の2つのMOPに適用される。
関連論文リスト
- Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。
微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文 参考訳（メタデータ） (2023-02-24T18:41:48Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳（メタデータ） (2022-10-27T01:58:10Z) - A Simple Evolutionary Algorithm for Multi-modal Multi-objective
Optimization [0.0]
マルチモーダル・多目的最適化問題(MMOP)を解くための定常進化アルゴリズムを提案する。
本報告では,1000関数評価の低計算予算を用いて,様々なテストスイートから得られた21個のMMOPの性能について報告する。
論文 参考訳（メタデータ） (2022-01-18T03:31:11Z) - Surrogate-Assisted Reference Vector Adaptation to Various Pareto Front
Shapes for Many-Objective Bayesian Optimization [0.0]
本稿では,高コストな多目的・多目的最適化問題を解くために,代用型参照ベクトル適応法(SRVA)を提案する。
提案アルゴリズムは他の2つのMBOアルゴリズムとベンチマーク問題に適用して比較する。
実験結果から, 対象関数がKrigingモデルにより合理的に近似された問題において, 提案アルゴリズムが他の2つより優れていることが示された。
論文 参考訳（メタデータ） (2021-10-10T03:05:12Z) - PAMELI: A Meta-Algorithm for Computationally Expensive Multi-Objective
Optimization Problems [0.0]
提案アルゴリズムは,実モデルのモデルによって定義される一連の代理問題の解法に基づく。
また,最適化ランドスケープのための最適なサロゲートモデルとナビゲーション戦略のメタ検索を行う。
論文 参考訳（メタデータ） (2021-03-19T11:18:03Z) - Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。
提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文 参考訳（メタデータ） (2020-07-14T09:50:33Z) - Decomposition in Decision and Objective Space for Multi-Modal
Multi-Objective Optimization [15.681236469530397]
多モード多目的最適化問題(MMMOP)はパレート最適集合内に複数の部分集合を持つ。
一般的な多目的進化的アルゴリズムは、複数の解部分集合を探索するために純粋に設計されていないが、MMMOP向けに設計されたアルゴリズムは、目的空間における劣化した性能を示す。
これは、MMMOPに対処するためのより良いアルゴリズムの設計を動機付けている。
論文 参考訳（メタデータ） (2020-06-04T03:18:47Z) - A Decomposition-based Large-scale Multi-modal Multi-objective
Optimization Algorithm [9.584279193016522]
広範に使われているMOEA/Dアルゴリズムに基づく効率的なマルチモーダル多目的最適化アルゴリズムを提案する。
実験の結果,提案アルゴリズムは決定空間における解の多様性を効果的に維持できることが示された。
論文 参考訳（メタデータ） (2020-04-21T09:18:54Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。