論文の概要: An Efficient Multi-Indicator and Many-Objective Optimization Algorithm
based on Two-Archive
- arxiv url: http://arxiv.org/abs/2201.05435v1
- Date: Fri, 14 Jan 2022 13:09:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-01 04:30:22.008623
- Title: An Efficient Multi-Indicator and Many-Objective Optimization Algorithm
based on Two-Archive
- Title（参考訳）: 2要素構造に基づく効率的多目的最適化アルゴリズム
- Authors: Ziming Wang, Xin Yao
- Abstract要約: 本稿では,2階層型(SRA3)に基づくインジケータに基づく多目的最適化アルゴリズムを提案する。
評価指標の性能に基づいて環境選択の優れた個人を効率よく選び、追加パラメータを設定することなく親の選択に適応パラメータ戦略を利用することができる。
DTLZおよびWFG問題に関する実験により、SRA3は高い効率を維持しつつ、優れた収束性と多様性を有することが示された。
- 参考スコア（独自算出の注目度）: 7.7415390727490445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Indicator-based algorithms are gaining prominence as traditional
multi-objective optimization algorithms based on domination and decomposition
struggle to solve many-objective optimization problems. However, previous
indicator-based multi-objective optimization algorithms suffer from the
following flaws: 1) The environment selection process takes a long time; 2)
Additional parameters are usually necessary. As a result, this paper proposed
an multi-indicator and multi-objective optimization algorithm based on
two-archive (SRA3) that can efficiently select good individuals in environment
selection based on indicators performance and uses an adaptive parameter
strategy for parental selection without setting additional parameters. Then we
normalized the algorithm and compared its performance before and after
normalization, finding that normalization improved the algorithm's performance
significantly. We also analyzed how normalizing affected the indicator-based
algorithm and observed that the normalized $I_{\epsilon+}$ indicator is better
at finding extreme solutions and can reduce the influence of each objective's
different extent of contribution to the indicator due to its different scope.
However, it also has a preference for extreme solutions, which causes the
solution set to converge to the extremes. As a result, we give some suggestions
for normalization. Then, on the DTLZ and WFG problems, we conducted experiments
on 39 problems with 5, 10, and 15 objectives, and the results show that SRA3
has good convergence and diversity while maintaining high efficiency. Finally,
we conducted experiments on the DTLZ and WFG problems with 20 and 25 objectives
and found that the algorithm proposed in this paper is more competitive than
other algorithms as the number of objectives increases.
- Abstract（参考訳）: 従来の多目的最適化アルゴリズムは、多目的最適化問題を解くために、支配と分解の難しさに基づく。
しかし、従来の指標に基づく多目的最適化アルゴリズムは以下の欠陥に悩まされている。
1) 環境選択プロセスには長い時間がかかる。
2) 追加パラメータは通常必要となる。
そこで本研究では,2階層(SRA3)に基づく多目的最適化アルゴリズムを提案する。このアルゴリズムは,指標性能に基づく環境選択において,優れた個人を効率よく選別し,追加パラメータを設定することなく,親の選別に適応パラメータ戦略を用いる。
そして, アルゴリズムを正規化し, 正規化前後のパフォーマンスを比較し, 正規化によりアルゴリズムの性能が大幅に向上した。
また、正規化が指標に基づくアルゴリズムに与える影響を分析し、正規化$I_{\epsilon+}$インジケータは極端な解を見つけるのに適しており、それぞれの目的の異なるコントリビューション範囲の影響を低減することができることを示した。
しかし、極性解も好まれており、この解集合が極性に収束する原因となる。
その結果、正規化についていくつか提案する。
そして, dtlz問題, wfg問題において5, 10, 15の目標で39の問題を実験し, 高効率を維持しつつ, sra3の収束性と多様性が良好であることを示した。
最後に,dtlz問題とwfg問題を20,25の目的で実験し,目的数の増加に伴い,本論文で提案するアルゴリズムが他のアルゴリズムよりも競争力が高いことを発見した。
関連論文リスト
- Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。
本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。
合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
論文 参考訳（メタデータ） (2024-11-07T17:05:31Z) - Equitable and Fair Performance Evaluation of Whale Optimization
Algorithm [4.0814527055582746]
すべてのアルゴリズムは、徹底的に、幾分、知的に評価されることが不可欠である。
最適化アルゴリズムの有効性を等しく、公平に評価することは、様々な理由から簡単なプロセスではない。
論文 参考訳（メタデータ） (2023-09-04T06:32:02Z) - Preference Inference from Demonstration in Multi-objective Multi-agent
Decision Making [0.0]
本稿では,最適あるいは準最適のいずれかから線形選好重みを推定するアルゴリズムを提案する。
実験結果から, ベースラインアルゴリズムと比較して有意な改善が得られた。
今後,マルチエージェントシステムにおけるアルゴリズムの有効性を評価することを計画している。
論文 参考訳（メタデータ） (2023-04-27T12:19:28Z) - An Effective and Efficient Evolutionary Algorithm for Many-Objective
Optimization [2.5594423685710814]
様々な多目的問題に対処できる効率的な進化的アルゴリズム(E3A)を開発した。
SDEにインスパイアされたE3Aでは,新しい集団維持法が提案されている。
我々は、広範囲な実験を行い、E3Aが11の最先端の多目的進化アルゴリズムより優れていることを示す。
論文 参考訳（メタデータ） (2022-05-31T15:35:46Z) - 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) - Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。
厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。
このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文 参考訳（メタデータ） (2021-11-29T15:10:09Z) - Solving Large-Scale Multi-Objective Optimization via Probabilistic
Prediction Model [10.916384208006157]
効率的なLSMOPアルゴリズムは、巨大な検索空間から局所最適解を逃れる能力を持つべきである。
人口の多様性を維持することは、探索効率を向上させる効果的な方法の1つである。
LSMOP に取り組むために,トレンド予測モデルと LT-PPM と呼ばれる生成フィルタ戦略に基づく確率的予測モデルを提案する。
論文 参考訳（メタデータ） (2021-07-16T09:43:35Z) - Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。
また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
論文 参考訳（メタデータ） (2021-04-30T08:50:24Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - 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。