Fugu-MT 論文翻訳(概要): Temporal Heterogeneity Improves Speed and Convergence in Genetic Algorithms

論文の概要: Temporal Heterogeneity Improves Speed and Convergence in Genetic Algorithms

arxiv url: http://arxiv.org/abs/2203.13194v1
Date: Wed, 2 Feb 2022 22:48:56 GMT
ステータス: 処理完了
システム内更新日: 2023-02-27 00:57:30.287449
Title: Temporal Heterogeneity Improves Speed and Convergence in Genetic Algorithms
Title（参考訳）: 時間的不均一性は遺伝的アルゴリズムの速度と収束を改善する
Authors: Yoshio Martinez, Katya Rodriguez, Carlos Gershenson
Abstract要約: 遺伝的アルゴリズムは自然選択をシミュレートし、様々な問題の解を探すためにパラメータ空間を探索する。我々は、クロスオーバー確率を個人のフィットネスに逆比例するように設定した。時間的不均一性はパラメータ空間の事前の知識を必要とせずに探索を改善する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Genetic algorithms have been used in recent decades to solve a broad variety of search problems. These algorithms simulate natural selection to explore a parameter space in search of solutions for a broad variety of problems. In this paper, we explore the effects of introducing temporal heterogeneity in genetic algorithms. In particular, we set the crossover probability to be inversely proportional to the individual's fitness, i.e., better solutions change slower than those with a lower fitness. As case studies, we apply heterogeneity to solve the $N$-Queens and Traveling Salesperson problems. We find that temporal heterogeneity consistently improves search without having prior knowledge of the parameter space.
Abstract（参考訳）: 遺伝的アルゴリズムは、近年、様々な検索問題を解くために使われてきた。これらのアルゴリズムは自然選択をシミュレートし、様々な問題の解を探すためにパラメータ空間を探索する。本稿では,遺伝的アルゴリズムにおける時間的不均一性の導入効果について検討する。特に、クロスオーバー確率は、個人のフィットネスに逆比例する、すなわち、より低いフィットネスを持つソリューションよりも、より良いソリューションが変化する、と設定しました。ケーススタディでは、N$-QueensとTraveing Salespersonの問題を解決するために異質性を適用している。時間的不均一性はパラメータ空間の事前の知識を必要とせずに探索を改善する。

関連論文リスト

Recombination vs Stochasticity: A Comparative Study on the Maximum Clique Problem [0.393259574660092]
最大傾き問題(英: maximum clique problem、MCP)は、グラフ理論と計算複雑性の基本的な問題である。様々なメタヒューリスティックがMPPを近似するために使われており、遺伝的アルゴリズムやメメティックアルゴリズム、アリコロニーアルゴリズム、欲求アルゴリズム、タブアルゴリズム、シミュレートされたアニーリングなどがある。以上の結果から,モンテカルロのアルゴリズムはランダム検索を用いてグラフを生成するが,速度と能力の両面で遺伝的アルゴリズムを上回っていることが示唆された。
論文参考訳（メタデータ） (2024-09-26T12:50:00Z)
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)
Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-28T13:05:30Z)
Massively Parallel Genetic Optimization through Asynchronous Propagation of Populations [50.591267188664666]
Propulateは、グローバル最適化のための進化的最適化アルゴリズムとソフトウェアパッケージである。提案アルゴリズムは, 選択, 突然変異, 交叉, 移動の変種を特徴とする。 Propulateは解の精度を犠牲にすることなく、最大で3桁高速であることがわかった。
論文参考訳（メタデータ） (2023-01-20T18:17:34Z)
The Influence of Local Search over Genetic Algorithms with Balanced Representations [2.610470075814367]
地域検索を追加することで、実際に人口の多様性が増すことが示される。これらの知見を、Boolean関数の問題に対するフィットネスランドスケープ分析に関する最近の結果とリンクする。
論文参考訳（メタデータ） (2022-06-22T10:59:26Z)
An Application of a Multivariate Estimation of Distribution Algorithm to Cancer Chemotherapy [59.40521061783166]
癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
論文参考訳（メタデータ） (2022-05-17T15:28:46Z)
Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文参考訳（メタデータ） (2021-10-18T14:00:22Z)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文参考訳（メタデータ） (2020-05-09T02:48:23Z)
Devolutionary genetic algorithms with application to the minimum labeling Steiner tree problem [0.0]
本稿では、進化的遺伝的アルゴリズムを特徴付けるとともに、最小ラベル付けスタイナーツリー(MLST)問題を解く際の性能を評価する。我々は、進化的アルゴリズムを、時間とともに超最適で実現不可能な解の集団を進化させることによって実現可能な解に到達する過程として定義する。我々は, 交叉, 突然変異, 適合性などの古典的進化的概念が, 最適解, 最適解に到達するためにどのように適応できるかを示す。
論文参考訳（メタデータ） (2020-04-18T13:27:28Z)

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。