論文の概要: Surrogate Infeasible Fitness Acquirement FI-2Pop for Procedural Content Generation

• arxiv url: http://arxiv.org/abs/2205.05834v1
• Date: Thu, 12 May 2022 01:59:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-13 09:45:53.404949
• Title: Surrogate Infeasible Fitness Acquirement FI-2Pop for Procedural Content Generation
• Title（参考訳）: プロシージャコンテンツ生成のためのサロゲート不実現性フィトネス取得FI-2Pop
• Authors: Roberto Gallotta, Kai Arulkumaran, L. B. Soros
• Abstract要約: 本報告では, 子どもの体力を予測するために, 代理モデルを用いたFI-2Popの亜種について述べる。 これにより、より高い適合性、実現可能なソリューションへの選択が促進される。 宇宙技術者のための宇宙船作成の課題について,本手法を実証する。
• 参考スコア（独自算出の注目度）: 0.6445605125467573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When generating content for video games using procedural content generation (PCG), the goal is to create functional assets of high quality. Prior work has commonly leveraged the feasible-infeasible two-population (FI-2Pop) constrained optimisation algorithm for PCG, sometimes in combination with the multi-dimensional archive of phenotypic-elites (MAP-Elites) algorithm for finding a set of diverse solutions. However, the fitness function for the infeasible population only takes into account the number of constraints violated. In this paper we present a variant of FI-2Pop in which a surrogate model is trained to predict the fitness of feasible children from infeasible parents, weighted by the probability of producing feasible children. This drives selection towards higher-fitness, feasible solutions. We demonstrate our method on the task of generating spaceships for Space Engineers, showing improvements over both standard FI-2Pop, and the more recent multi-emitter constrained MAP-Elites algorithm.
• Abstract（参考訳）: プロシージャコンテンツ生成(PCG)を用いてビデオゲームのコンテンツを生成する場合、高品質な機能資産を作成することが目的である。 従来の研究では、PCGのための実現不可能な2つの集団 (FI-2Pop) 制約付き最適化アルゴリズムを多次元の表現型エリート (MAP-Elites) アルゴリズムのアーカイブと組み合わせて様々な解を見つけることが一般的であった。 しかし、実現不可能な人口に対する適合関数は、違反する制約の数だけを考慮に入れる。 本報告では, 親が子どもを産み出す確率を重み付け, 子どもの体力を予測するために, 代理モデルを用いたFI-2Popのバリエーションを提案する。 これにより、より高い適合性、実現可能なソリューションへの選択が促進される。 本手法は,宇宙技術者のための宇宙船作成作業において,標準FI-2Popと,より最近のマルチエミッタ制約MAP-Elitesアルゴリズムの改善を示すものである。

関連論文リスト

• A Two-stage Evolutionary Framework For Multi-objective Optimization [8.253379910879795]
  多目的最適化のための2段階進化フレームワーク(TEMOF) 1つの古典的MOEAと2つの最先端MOEAがフレームワークに統合され、3つの新しいアルゴリズムが形成される。 3つの新しいアルゴリズムの勝者は、既存のMOEAと比較され、より良い結果を示す。
  論文  参考訳（メタデータ） (2024-07-09T04:14:59Z)
• Selective Task offloading for Maximum Inference Accuracy and Energy efficient Real-Time IoT Sensing Systems [3.0748861313823]
  多次元クナップサック問題の解法として,軽量ハイブリッド遺伝的アルゴリズム(LGSTO)を提案する。 実験の結果,LGSTOは最高速のスキームよりも3倍高速であった。
  論文  参考訳（メタデータ） (2024-02-24T18:46:06Z)
• Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning [132.7040981721302]
  本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。 制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
  論文  参考訳（メタデータ） (2024-02-16T16:35:18Z)
• Energy-Guided Continuous Entropic Barycenter Estimation for General Costs [95.33926437521046]
  任意のOTコスト関数に対して連続的エントロピーOT(EOT)バリセンタを近似する新しいアルゴリズムを提案する。 本手法は、弱いOTに基づくEOT問題の二重再構成に基づいている。
  論文  参考訳（メタデータ） (2023-10-02T11:24:36Z)
• Stochastic Population Update Can Provably Be Helpful in Multi-Objective Evolutionary Algorithms [25.397640314100144]
  人口更新は多目的進化アルゴリズムの鍵となるコンポーネントである。 人口の更新はMOEAの探索に有用であることを示す。
  論文  参考訳（メタデータ） (2023-06-05T05:54:56Z)
• Don't Bet on Luck Alone: Enhancing Behavioral Reproducibility of Quality-Diversity Solutions in Uncertain Domains [2.639902239625779]
  アーカイブ再現性向上アルゴリズム(ARIA)を紹介する。 ARIAは、アーカイブに存在するソリューションの品質を改善するプラグイン・アンド・プレイのアプローチである。 提案アルゴリズムは,任意のアーカイブの品質とディスクリプタ空間のカバレッジを少なくとも50%向上させることを示す。
  論文  参考訳（メタデータ） (2023-04-07T14:45:14Z)
• Designing Biological Sequences via Meta-Reinforcement Learning and Bayesian Optimization [68.28697120944116]
  メタ強化学習を用いて自己回帰生成モデルを訓練し、選択のための有望なシーケンスを提案する。 我々は,データのサブセットのサンプリングによって誘導されるMDPの分布に対する最適ポリシーを求める問題として,この問題を提起する。 このようなアンサンブルに対するメタラーニングは,報酬の過小評価に対して頑健であり,競争的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-13T18:37:27Z)
• Entropy-based Active Learning for Object Detection with Progressive Diversity Constraint [31.094612936162754]
  アクティブラーニングは、コンピュータビジョンタスクにおける高アノテーションコストの問題を軽減するための有望な代替手段である。 本稿では,この問題に対処する新たなハイブリッドアプローチを提案し,ボトムアップ方式でインスタンスレベルの不確実性と多様性を共同で検討する。
  論文  参考訳（メタデータ） (2022-04-17T09:51:12Z)
• 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)
• Learning High-Dimensional Distributions with Latent Neural Fokker-Planck Kernels [67.81799703916563]
  低次元潜在空間におけるフォッカー・プランク方程式の解法として問題を定式化する新しい手法を導入する。 提案モデルでは,潜在分散モーフィング,ジェネレータ,パラメータ化Fokker-Planckカーネル関数からなる。
  論文  参考訳（メタデータ） (2021-05-10T17:42:01Z)
• Bilevel Online Adaptation for Out-of-Domain Human Mesh Reconstruction [94.25865526414717]
  本稿では,事前に訓練されたヒトメッシュ再構築モデルをドメイン外ストリーミングビデオに適応させるという新たな問題を検討する。 重みプローブと重み更新の2つのステップに全体多対象の最適化プロセスを分割するBilevel Online Adaptationを提案します。 BOAが2つのヒューマンメッシュ再構築ベンチマークで最先端の結果をもたらすことを実証する。
  論文  参考訳（メタデータ） (2021-03-30T15:47:58Z)

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。