論文の概要: Multi-Objective Evolutionary Beer Optimisation
- arxiv url: http://arxiv.org/abs/2204.02752v2
- Date: Wed, 13 Apr 2022 15:39:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-18 02:51:42.859186
- Title: Multi-Objective Evolutionary Beer Optimisation
- Title（参考訳）: 多目的進化ビール最適化
- Authors: Mohammad Majid al-Rifaie and Marc Cavazza
- Abstract要約: 本稿では,ビールの個人化について述べる。
そこで本研究では,醸造業者が希望するビールを原料量と組み合わせにマッピングするシステムを提案する。
- 参考スコア（独自算出の注目度）: 2.8010955192967852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Food production is a complex process which can benefit from many optimisation
approaches. However, there is growing interest in methods that support
customisation of food properties to satisfy individual consumer preferences.
This paper addresses the personalisation of beer properties. Having identified
components of the production process for craft beers whose production tends to
be less standardised, we introduce a system which enables brewers to map the
desired beer properties into ingredients dosage and combination. Previously
explored approaches include direct use of structural equations as well as
global machine learning methods. We introduce a framework which uses an
evolutionary method supporting multi-objective optimisation. This work
identifies problem-dependent objectives, their associations, and proposes a
workflow to automate the discovery of multiple novel recipes based on
user-defined criteria. The quality of the solutions generated by the
multi-objective optimiser is compared against solutions from multiple runs of
the method, and those of a single objective evolutionary technique. This
comparison provides a road-map allowing the users to choose among more varied
options or to fine-tune one of the favourite identified solution. The
experiments presented here demonstrate the usability of the framework as well
as the transparency of its criteria.
- Abstract（参考訳）: 食品生産は多くの最適化アプローチの恩恵を受けることができる複雑なプロセスである。
しかし,個々の消費者の嗜好を満たすため,食財のカスタマイズを支援する手法への関心が高まっている。
本稿では,ビール特性のパーソナライズについて述べる。
そこで本研究では,生産が標準化されにくいクラフトビールの生産工程の構成要素を特定し,醸造者が希望するビール特性を原料量と組み合わせにマッピングするシステムを導入する。
これまで検討されていたアプローチには、構造方程式の直接利用や、グローバル機械学習手法が含まれる。
本稿では,多目的最適化をサポートする進化的手法を用いたフレームワークを提案する。
本研究は問題依存の目標とその関連を特定し,ユーザ定義の基準に基づいて複数の新規レシピを自動発見するワークフローを提案する。
多目的オプティマイザが生成する解の質を,本手法の複数実行時の解と,単一目的の進化的手法による解と比較する。
この比較は、ユーザがより多様な選択肢を選択したり、指定されたソリューションの1つを微調整できるロードマップを提供する。
ここで示された実験は、フレームワークのユーザビリティと、その基準の透明性を示している。
関連論文リスト
- Learning Joint Models of Prediction and Optimization [56.04498536842065]
Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。
本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
論文 参考訳（メタデータ） (2024-09-07T19:52:14Z) - An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
まず最適化モデルを構築し,非単調な選好をモデル化する。
本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。
2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
論文 参考訳（メタデータ） (2024-09-04T14:36:20Z) - A Data Driven Sequential Learning Framework to Accelerate and Optimize
Multi-Objective Manufacturing Decisions [1.5771347525430772]
本稿では、逐次学習を利用して複雑なシステムを効率的に最適化する新しいデータ駆動型ベイズ最適化フレームワークを提案する。
提案フレームワークは,データ取得が高価で資源集約的な実用アプリケーションにおいて特に有用である。
提案されたデータ駆動フレームワークは、コストと時間を削減して、同様の製造上の決定を下す可能性がある。
論文 参考訳（メタデータ） (2023-04-18T20:33:08Z) - Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。
標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。
我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。
本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
論文 参考訳（メタデータ） (2023-04-01T15:50:18Z) - Multi-Agent Reinforcement Learning for Microprocessor Design Space
Exploration [71.95914457415624]
マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。
この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。
評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
論文 参考訳（メタデータ） (2022-11-29T17:10:24Z) - A metaheuristic multi-objective interaction-aware feature selection
method [5.28539620288341]
本稿では,いくつかの利点を有する新しい多目的特徴選択法を提案する。
高度な確率スキームを用いて特徴間の相互作用を考察する。
提案手法は,提案した確率スキームを用いて,より有望な子孫を生成する。
論文 参考訳（メタデータ） (2022-11-10T08:56:48Z) - Multi-Objective GFlowNets [59.16787189214784]
本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。
薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。
GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
論文 参考訳（メタデータ） (2022-10-23T16:15:36Z) - Mixed-Integer Optimization with Constraint Learning [4.462264781248437]
我々は、学習制約を伴う混合整数最適化のための幅広い方法論基盤を確立する。
我々は多くの機械学習手法の混合整数最適化・表現性を利用する。
本手法は,World Food Programme計画と化学療法最適化の両方で実証する。
論文 参考訳（メタデータ） (2021-11-04T20:19:55Z) - Batched Data-Driven Evolutionary Multi-Objective Optimization Based on
Manifold Interpolation [6.560512252982714]
バッチ化されたデータ駆動型進化的多目的最適化を実現するためのフレームワークを提案する。
オフザシェルフ進化的多目的最適化アルゴリズムがプラグイン方式で適用できるのは、非常に一般的である。
提案するフレームワークは, より高速な収束と各種PF形状に対する強いレジリエンスを特徴とする。
論文 参考訳（メタデータ） (2021-09-12T23:54:26Z) - Conditional Generative Modeling via Learning the Latent Space [54.620761775441046]
マルチモーダル空間における条件生成のための新しい枠組みを提案する。
潜在変数を使って一般化可能な学習パターンをモデル化する。
推論では、潜伏変数は複数の出力モードに対応する最適解を見つけるために最適化される。
論文 参考訳（メタデータ） (2020-10-07T03:11:34Z) - Beer Organoleptic Optimisation: Utilising Swarm Intelligence and
Evolutionary Computation Methods [2.8010955192967852]
本稿では、製造工程が柔軟であるクラフトビールの特定の場合におけるビール特性の計算について述べる。
我々は、3つのSwarmインテリジェンスと進化的手法を用いて、醸造者が物理化学的性質をマッピングし、有機懐疑的な性質をターゲットとして特定の醸造を設計することができるようにします。
提案手法は、新しいレシピの発見、パーソナライゼーション、および既存のレシピの代替的な高忠実度再生を可能にする。
論文 参考訳（メタデータ） (2020-04-07T14:39:11Z)
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。
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。