論文の概要: A New Lagrangian Problem Crossover: A Systematic Review and
Meta-Analysis of Crossover Standerds
- arxiv url: http://arxiv.org/abs/2204.10890v1
- Date: Thu, 21 Apr 2022 15:50:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-29 08:16:58.221685
- Title: A New Lagrangian Problem Crossover: A Systematic Review and
Meta-Analysis of Crossover Standerds
- Title(参考訳): 新しいラグランジアン問題クロスオーバー:クロスオーバースタンドの体系的レビューとメタ分析
- Authors: Aso M. Aladdin, Tarik A. Rashid
- Abstract要約: 本稿では,クロスオーバー標準分類の概要について述べる。
ラグランジアン双関数(LDF)に依存する新しい標準交叉の重要性について提案する。
提案規格の精度と性能は3つの単調な試験関数により評価された。
- 参考スコア(独自算出の注目度): 1.1802674324027231
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The performance of most evolutionary metaheuristic algorithms depends on
various operators. The crossover operator is one of them and is mainly
classified into two standards; application-dependent crossover operators and
application-independent crossover operators. These standards always help to
choose the best-fitted point in the evolutionary algorithm process. The high
efficiency of crossover operators enables minimizing the error that occurred in
engineering application optimization within a short time and cost. There are
two crucial objectives behind this paper; at first, it is an overview of
crossover standards classification that has been used by researchers for
solving engineering operations and problem representation. The second objective
of this paper; The significance of novel standard crossover is proposed
depending on Lagrangian Dual Function (LDF) to progress the formulation of the
Lagrangian Problem Crossover (LPX) as a new systematic standard operator. The
results of the proposed crossover standards for 100 generations of parent
chromosomes are compared to the BX and SBX standards, which are the communal
real-coded crossover standards. The accuracy and performance of the proposed
standard have evaluated by three unimodal test functions. Besides, the proposed
standard results are statistically demonstrated and proved that it has an
excessive ability to generate and enhance the novel optimization algorithm
compared to BX and SBX.
- Abstract(参考訳): ほとんどの進化的メタヒューリスティックアルゴリズムの性能は、様々な演算子に依存する。
クロスオーバー演算子は、主にアプリケーション依存のクロスオーバー演算子とアプリケーション非依存のクロスオーバー演算子という2つの標準に分類される。
これらの標準は常に進化的アルゴリズムプロセスの最も適した点を選択するのに役立つ。
クロスオーバー演算子の高効率により、エンジニアリングアプリケーション最適化で発生したエラーを短時間とコストで最小化することができる。
この論文の背景には2つの重要な目標があり、当初は工学的操作と問題表現の解決に研究者が用いたクロスオーバー標準分類の概要である。
2つ目の目的は、新しい体系的標準作用素としてのラグランジアン問題クロスオーバー(LPX)の定式化を進めるために、ラグランジアンデュアル関数(LDF)に依存する新しい標準クロスオーバーの重要性を提案することである。
提案する100世代の親染色体のクロスオーバー標準の結果は、共同のリアルタイムクロスオーバー標準であるbxおよびsbx標準と比較される。
提案規格の精度と性能は3つの単調な試験関数により評価された。
さらに,提案した標準結果は統計的に実証され,BXやSBXと比較して新しい最適化アルゴリズムを生成・拡張する能力が過剰であることが証明された。
関連論文リスト
- Dynastic Potential Crossover Operator [2.908482270923597]
最適組換え作用素は、2つの親解を含む最小の超平面において最適である。
本稿では,Dynastic Potential Crossover (DPX) と呼ばれる組換え演算子を提案する。
論文 参考訳(メタデータ) (2024-02-06T11:38:23Z) - Two-Stage Surrogate Modeling for Data-Driven Design Optimization with
Application to Composite Microstructure Generation [1.912429179274357]
本稿では,科学・工学分野における逆問題に対処する2段階の機械学習に基づく代理モデリングフレームワークを提案する。
最初の段階では、"Learner"と呼ばれる機械学習モデルは、予測出力が望ましい結果と密接に一致している入力デザイン空間内の候補の限られたセットを特定する。
第2段では、第1段で生成された縮小候補空間を評価するために、「評価器」として機能する別の代理モデルを用いる。
論文 参考訳(メタデータ) (2024-01-04T00:25:12Z) - Activate and Reject: Towards Safe Domain Generalization under Category
Shift [71.95548187205736]
カテゴリーシフト(DGCS)下における領域一般化の実践的問題について検討する。
未知のクラスサンプルを同時に検出し、ターゲットドメイン内の既知のクラスサンプルを分類することを目的としている。
従来のDGと比較すると,1)ソースクラスのみを用いたトレーニングにおいて,未知の概念を学習する方法,2)ソーストレーニングされたモデルを未知の環境に適応する方法,の2つの新しい課題に直面している。
論文 参考訳(メタデータ) (2023-10-07T07:53:12Z) - Generalized Schr\"odinger Bridge Matching [57.40143569424158]
一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域に広く見られる。
我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。
このような一般化は、効率的な変分近似を利用できる条件付き最適制御を解くのに役立てることができることを示す。
論文 参考訳(メタデータ) (2023-10-03T17:42:11Z) - REX: Rapid Exploration and eXploitation for AI Agents [103.68453326880456]
本稿では、REXと呼ばれるAIエージェントのための高速探索およびeXploitationのための改良されたアプローチを提案する。
REXは追加の報酬層を導入し、アッパー信頼境界(UCB)スコアに似た概念を統合し、より堅牢で効率的なAIエージェントのパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-07-18T04:26:33Z) - Maximize to Explore: One Objective Function Fusing Estimation, Planning,
and Exploration [87.53543137162488]
我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。
textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。
様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
論文 参考訳(メタデータ) (2023-05-29T17:25:26Z) - Crossover Can Guarantee Exponential Speed-Ups in Evolutionary
Multi-Objective Optimisation [4.212663349859165]
本稿では,よく知られたEMOアルゴリズムGSEMOとNSGA-IIの理論的解析を行う。
免疫刺激による過変異は指数的最適化時間を回避することはできない。
論文 参考訳(メタデータ) (2023-01-31T15:03:34Z) - Influence of Binomial Crossover on Approximation Error of Evolutionary
Algorithms [10.984298685238445]
本稿では,二項交叉が進化的アルゴリズムの近似誤差を低減できるかどうかを問う。
二項交叉は遷移行列の優位性をもたらすことが証明された。
知覚上の二項交叉の優位性を高めるための適応的パラメータ戦略を提案する。
論文 参考訳(メタデータ) (2021-09-29T05:15:01Z) - PcDGAN: A Continuous Conditional Diverse Generative Adversarial Network
For Inverse Design [10.50166876879424]
我々はPcDGAN(Performance Conditioned Diverse Generative Adversarial Network)を紹介する。
PcDGANは新しい自己強化スコアである Lambert Log Exponential Transition Score (LLETS) を使用して条件付けを改善する。
合成問題と実世界の翼設計に関する実験は、PcDGANが最先端のGANモデルより優れていることを示した。
論文 参考訳(メタデータ) (2021-06-07T13:45:12Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z) - High Dimensional Level Set Estimation with Bayesian Neural Network [58.684954492439424]
本稿では,ベイズニューラルネットワークを用いた高次元レベル集合推定問題を解く新しい手法を提案する。
各問題に対して対応する理論情報に基づく取得関数を導出してデータポイントをサンプリングする。
合成データセットと実世界データセットの数値実験により,提案手法は既存手法よりも優れた結果が得られることが示された。
論文 参考訳(メタデータ) (2020-12-17T23:21:53Z)
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。