論文の概要: Reference Vector Adaptation and Mating Selection Strategy via Adaptive
Resonance Theory-based Clustering for Many-objective Optimization
- arxiv url: http://arxiv.org/abs/2204.10756v2
- Date: Wed, 4 May 2022 02:04:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-16 00:59:06.749072
- Title: Reference Vector Adaptation and Mating Selection Strategy via Adaptive
Resonance Theory-based Clustering for Many-objective Optimization
- Title（参考訳）: 多目的最適化のための適応共振理論に基づくクラスタリングによる参照ベクトル適応と配偶選択戦略
- Authors: Takato Kinoshita, Naoki Masuyama, Yiping Liu, Yusuke Nojima, Hisao
Ishibuchi
- Abstract要約: 本稿では,位相構造を持つ適応共振理論に基づくクラスタリングを用いた適応参照ベクトル誘導進化アルゴリズムを提案する。
提案アルゴリズムは, 参照ベクトル適応だけでなく, 交配選択にもトポロジ構造の情報を利用する。
- 参考スコア（独自算出の注目度）: 8.896670540132787
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Decomposition-based multiobjective evolutionary algorithms (MOEAs) with
clustering-based reference vector adaptation show good optimization performance
for many-objective optimization problems (MaOPs). Especially, algorithms that
employ a clustering algorithm with a topological structure (i.e., a network
composed of nodes and edges) show superior optimization performance to other
MOEAs for MaOPs with irregular Pareto optimal fronts (PFs). These algorithms,
however, do not effectively utilize information of the topological structure in
the search process. Moreover, the clustering algorithms typically used in
conventional studies have limited clustering performance, inhibiting the
ability to extract useful information for the search process. This paper
proposes an adaptive reference vector-guided evolutionary algorithm using an
adaptive resonance theory-based clustering with a topological structure. The
proposed algorithm utilizes the information of the topological structure not
only for reference vector adaptation but also for mating selection. The
proposed algorithm is compared with 8 state-of-the-art MOEAs on 78 test
problems. Experimental results reveal the outstanding optimization performance
of the proposed algorithm over the others on MaOPs with various properties.
- Abstract（参考訳）: クラスタリングに基づく参照ベクトル適応を用いた分解型多目的進化アルゴリズム(MOEA)は、多目的最適化問題(MaOP)に対して優れた最適化性能を示す。
特に、トポロジカルな構造を持つクラスタリングアルゴリズム(ノードとエッジで構成されるネットワーク)を用いるアルゴリズムは、不規則なパレート最適フロント(PF)を持つMaOPの他のMOEAよりも優れた最適化性能を示す。
しかし,これらのアルゴリズムは探索過程において位相構造の情報を効果的に活用しない。
さらに,従来のクラスタリングアルゴリズムはクラスタリング性能が低く,検索プロセスに有用な情報を抽出する能力が阻害されている。
本稿では,位相構造を持つ適応共振理論に基づくクラスタリングを用いた適応参照ベクトル誘導進化アルゴリズムを提案する。
提案アルゴリズムは, 参照ベクトル適応だけでなく, 交配選択にもトポロジ構造の情報を利用する。
提案アルゴリズムは,78の試験問題に対する8つの最先端MOEAと比較した。
実験結果から,様々な特性を持つMaOP上で,提案アルゴリズムが他のアルゴリズムよりも優れた最適化性能を示した。
関連論文リスト
- Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - A Hybrid Chimp Optimization Algorithm and Generalized Normal
Distribution Algorithm with Opposition-Based Learning Strategy for Solving
Data Clustering Problems [0.0]
本稿では、類似データと異種データを異なるグループに分類するコネクティビティ原則に基づいて、クラスタを分離するデータクラスタリングについて検討する。
メタヒューリスティック最適化アルゴリズムとインテリジェンスに基づく手法が,最適解を妥当な時間で達成するために導入された。
論文 参考訳（メタデータ） (2023-02-16T23:29:01Z) - Benchmarking Algorithms for Submodular Optimization Problems Using
IOHProfiler [22.08617448389877]
本稿では,部分モジュラ最適化問題に対するベンチマークアルゴリズムのセットアップを提案する。
その焦点は反復探索アルゴリズムの開発であり、実装はIOHknownrに提供され、統合されている。
提案手法は,IOHファウンサーに組み込まれている様々な部分モジュラ最適化問題について述べるとともに,反復探索アルゴリズムを様々な設定で解析・比較するために,その設定をどのように利用できるかを示す。
論文 参考訳（メタデータ） (2023-02-02T23:36:23Z) - 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) - Late Fusion Multi-view Clustering via Global and Local Alignment
Maximization [61.89218392703043]
マルチビュークラスタリング(MVC)は、異なるビューからの補完情報を最適に統合し、クラスタリング性能を改善する。
既存のアプローチの多くは、クラスタリングに最適な類似性行列を学ぶために、複数の事前定義された類似性を直接融合する。
これらの問題に対処するために、アライメントを通してレイトフュージョンMVCを提案する。
論文 参考訳（メタデータ） (2022-08-02T01:49:31Z) - Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。
性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
論文 参考訳（メタデータ） (2022-05-03T07:54:56Z) - Adaptive Resonance Theory-based Topological Clustering with a Divisive
Hierarchical Structure Capable of Continual Learning [8.581682204722894]
本稿では、データポイントの分布から類似度閾値を自動的に推定する機構を備えたARTベースのトポロジカルクラスタリングアルゴリズムを提案する。
情報抽出性能を向上させるために,連続学習が可能な分割階層クラスタリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-01-26T02:34:52Z) - A novel multiobjective evolutionary algorithm based on decomposition and
multi-reference points strategy [14.102326122777475]
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。
論文 参考訳（メタデータ） (2021-10-27T02:07:08Z) - Manifold Interpolation for Large-Scale Multi-Objective Optimization via
Generative Adversarial Networks [12.18471608552718]
大規模多目的最適化問題(LSMOP)は、数百から数千の決定変数と複数の矛盾する目的を含むことを特徴とする。
これまでの研究では、これらの最適解は低次元空間の多様体構造に一様に分布していることが示されている。
本研究では, 生成逆数ネットワーク(GAN)に基づく多様体フレームワークを提案し, 多様体を学習し, 高品質な解を生成する。
論文 参考訳（メタデータ） (2021-01-08T09:38:38Z) - Multi-View Spectral Clustering with High-Order Optimal Neighborhood
Laplacian Matrix [57.11971786407279]
マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。
本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。
提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
論文 参考訳（メタデータ） (2020-08-31T12:28:40Z) - 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。