Fugu-MT 論文翻訳(概要): Search Trajectories Networks of Multiobjective Evolutionary Algorithms

論文の概要: Search Trajectories Networks of Multiobjective Evolutionary Algorithms

arxiv url: http://arxiv.org/abs/2201.11726v1
Date: Thu, 27 Jan 2022 18:40:07 GMT
ステータス: 処理完了
システム内更新日: 2022-01-28 15:12:00.550955
Title: Search Trajectories Networks of Multiobjective Evolutionary Algorithms
Title（参考訳）: 多目的進化アルゴリズムの探索軌跡ネットワーク
Authors: Yuri Lavinas, Claus Aranha, Gabriela Ochoa
Abstract要約: 本稿では,MOEAの動作をモデル化するために,最近のネットワークベースツールであるサーチトラジェクトリ・ネットワーク(STN)を拡張した。我々は,STNをMOEA/DとNSGA-IIという2つの一般的な多目的アルゴリズムの探索挙動をモデル化し,識別するために利用できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Understanding the search dynamics of multiobjective evolutionary algorithms (MOEAs) is still an open problem. This paper extends a recent network-based tool, search trajectory networks (STNs), to model the behavior of MOEAs. Our approach uses the idea of decomposition, where a multiobjective problem is transformed into several single-objective problems. We show that STNs can be used to model and distinguish the search behavior of two popular multiobjective algorithms, MOEA/D and NSGA-II, using 10 continuous benchmark problems with 2 and 3 objectives. Our findings suggest that we can improve our understanding of MOEAs using STNs for algorithm analysis.
Abstract（参考訳）: 多目的進化アルゴリズム(MOEA)の探索力学を理解することは、まだ未解決の問題である。本稿では,MOEAの動作をモデル化するために,最近のネットワークベースツールであるサーチトラジェクトリ・ネットワーク(STN)を拡張した。本手法では,多重目的問題を複数の単一目的問題に変換する分解の考え方を用いる。 2 目的と 3 目的の連続ベンチマーク問題10 を用いて,多目的アルゴリズム moea/d と nsga-ii の探索行動のモデル化と識別に stn が有効であることを示した。この結果から, アルゴリズム解析にSTNを用いてMOEAの理解を改善することが可能であることが示唆された。

関連論文リスト

UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文参考訳（メタデータ） (2024-05-01T09:34:42Z)
Multiobjective Evolutionary Component Effect on Algorithm behavior [0.04588028371034406]
パフォーマンス改善につながる最も影響力のあるコンポーネントは何かは不明だ。この手法を,反復レース (irace) 構成パッケージによって設計された分解(MOEA/D)に基づくチューニング多目的進化アルゴリズムに適用する。本稿では,検索トラジェクトリ・ネットワーク(STN),人口の多様性,時空の超体積値について,アルゴリズム成分の影響を比較した。
論文参考訳（メタデータ） (2023-07-31T16:02:56Z)
Continuous Cartesian Genetic Programming based representation for Multi-Objective Neural Architecture Search [12.545742558041583]
我々は、より複雑で高効率な畳み込みニューラルネットワーク(CNN)を設計するための新しいアプローチを提案する。我々のアプローチは、ニューラルネットワーク探索(NAS)のためのカルテシアン遺伝的プログラミング(CGP)に基づく実ベースCNNとブロックチェーンCNNの表現を組み合わせたものである。それらが考慮する探索空間の粒度が異なる2つの変種が導入された。
論文参考訳（メタデータ） (2023-06-05T07:32:47Z)
Three-Way Trade-Off in Multi-Objective Learning: Optimization, Generalization and Conflict-Avoidance [47.42067405054353]
MOL(Multi-objective Learning)は、機械学習の新興問題においてしばしば発生する問題である。 MOLにおける重要な課題の1つは、反復最適化プロセスにおける異なる目的間の潜在的な衝突である。近年,MGDAやその変種など,MOLの動的重み付けアルゴリズムが開発されている。
論文参考訳（メタデータ） (2023-05-31T17:31:56Z)
OFA$^2$: A Multi-Objective Perspective for the Once-for-All Neural Architecture Search [79.36688444492405]
once-for-All(OFA)は、異なるリソース制約を持つデバイスのための効率的なアーキテクチャを探索する問題に対処するために設計された、ニューラルネットワーク検索(NAS)フレームワークである。我々は,探索段階を多目的最適化問題として明示的に考えることにより,効率の追求を一歩進めることを目指している。
論文参考訳（メタデータ） (2023-03-23T21:30:29Z)
Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
論文参考訳（メタデータ） (2022-09-15T07:22:58Z)
MODRL/D-EL: Multiobjective Deep Reinforcement Learning with Evolutionary Learning for Multiobjective Optimization [10.614594804236893]
本稿では、時間窓付き多目的車両ルーティング問題と呼ばれる典型的な複雑な問題に対して、進化学習アルゴリズムを用いた多目的深部強化学習を提案する。 MO-VRPTWインスタンスの実験結果は、提案アルゴリズムが他の学習ベースおよび反復型アプローチよりも優れていることを示す。
論文参考訳（メタデータ） (2021-07-16T15:22:20Z)
Provable Multi-Objective Reinforcement Learning with Generative Models [98.19879408649848]
目的の選好から最適な政策を学習する単一政策 MORL の問題について検討する。既存の方法は、多目的決定プロセスの正確な知識のような強い仮定を必要とする。モデルベースエンベロップ値 (EVI) と呼ばれる新しいアルゴリズムを提案し, 包含された多目的$Q$学習アルゴリズムを一般化する。
論文参考訳（メタデータ） (2020-11-19T22:35:31Z)
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)
Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。 MoHAEAは、MOEA/D、pa$lambda$-MOEA/D、MOEA/D-AWA、NSGA-IIの4つの状態と比較される。
論文参考訳（メタデータ） (2020-04-29T02:16:49Z)
Heterogeneous Network Representation Learning: A Unified Framework with Survey and Benchmark [57.10850350508929]
我々は、異種ネットワーク埋め込み(HNE)に関する既存の研究を要約し、評価するための統一的なフレームワークを提供することを目指している。最初のコントリビューションとして、既存のHNEアルゴリズムのメリットを体系的に分類し分析するための一般的なパラダイムを提供する。第2のコントリビューションとして、さまざまなソースから、スケール、構造、属性/ラベルの可用性などに関するさまざまな特性を備えた4つのベンチマークデータセットを作成します。第3のコントリビューションとして、13の人気のあるHNEアルゴリズムに対するフレンドリなインターフェースを作成し、複数のタスクと実験的な設定に対して、それらの全周比較を提供する。
論文参考訳（メタデータ） (2020-04-01T03:42:11Z)

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。