Fugu-MT 論文翻訳(概要): Covariance Matrix Adaptation MAP-Annealing

論文の概要: Covariance Matrix Adaptation MAP-Annealing

arxiv url: http://arxiv.org/abs/2205.10752v4
Date: Tue, 6 Jun 2023 00:16:23 GMT
ステータス: 処理完了
システム内更新日: 2023-06-08 00:03:16.241805
Title: Covariance Matrix Adaptation MAP-Annealing
Title（参考訳）: 共分散行列適応マップアニーリング
Authors: Matthew C. Fontaine, Stefanos Nikolaidis
Abstract要約: 我々はCMA-MAE(Covariance Matrix Adaptation MAP-Annealing)という新しい品質多様性アルゴリズムを提案する。我々は,各制限について,新しいアルゴリズムの理論的正当性を提供する。我々の理論は、CMA-MAEが最先端の性能と堅牢性を達成することを示す実験を報告している。
参考スコア（独自算出の注目度）: 5.5216935362914485
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Single-objective optimization algorithms search for the single highest-quality solution with respect to an objective. Quality diversity (QD) optimization algorithms, such as Covariance Matrix Adaptation MAP-Elites (CMA-ME), search for a collection of solutions that are both high-quality with respect to an objective and diverse with respect to specified measure functions. However, CMA-ME suffers from three major limitations highlighted by the QD community: prematurely abandoning the objective in favor of exploration, struggling to explore flat objectives, and having poor performance for low-resolution archives. We propose a new quality diversity algorithm, Covariance Matrix Adaptation MAP-Annealing (CMA-MAE), that addresses all three limitations. We provide theoretical justifications for the new algorithm with respect to each limitation. Our theory informs our experiments, which support the theory and show that CMA-MAE achieves state-of-the-art performance and robustness.
Abstract（参考訳）: 単目的最適化アルゴリズムは、目的に対して単一の高品質な解を求める。 Covariance Matrix Adaptation MAP-Elites (CMA-ME) のような品質多様性(QD)最適化アルゴリズムは、目標に対して高品質で、特定の測度関数に関して多様なソリューションの集合を探索する。しかし、CMA-MEは、QDコミュニティが強調した3つの大きな制限に悩まされている。本稿では,CMA-MAE(Covariance Matrix Adaptation MAP-Annealing)という,3つの制約に対処するアルゴリズムを提案する。各制限について,新しいアルゴリズムの理論的正当性を提供する。この理論は,CMA-MAEが最先端の性能と堅牢性を達成することを示すものである。

関連論文リスト

Preference-Conditioned Gradient Variations for Multi-Objective Quality-Diversity [7.799824794686343]
優先条件付きポリシー段階突然変異を用いた多目的品質多様性アルゴリズムを提案する。提案手法は,新たに提案した疎度測定値により,よりスムーズなトレードオフを実現する。この性能は、従来の方法に比べて計算ストレージコストが低い。
論文参考訳（メタデータ） (2024-11-19T11:50:03Z)
LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
論文参考訳（メタデータ） (2024-10-03T18:12:29Z)
Modified CMA-ES Algorithm for Multi-Modal Optimization: Incorporating Niching Strategies and Dynamic Adaptation Mechanism [0.03495246564946555]
本研究では,多モード最適化問題に対する共分散行列適応進化戦略 (CMA-ES) アルゴリズムを改良する。この拡張は、複数のグローバルミニマの課題への対処、多様性の維持と複雑なフィットネスランドスケープを探索するアルゴリズムの能力の改善に焦点を当てている。ニッチ戦略と動的適応機構を取り入れて,複数のグローバル最適化を識別・最適化するアルゴリズムの性能を向上する。
論文参考訳（メタデータ） (2024-07-01T03:41:39Z)
Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
論文参考訳（メタデータ） (2023-10-10T01:39:04Z)
Multi-Objective Quality Diversity Optimization [2.4608515808275455]
MOME(Multi-Objective MAP-Elites)の多目的設定におけるMAP-Elitesアルゴリズムの拡張を提案する。すなわち、MAP-Elitesグリッドアルゴリズムから受け継いだ多様性と、多目的最適化の強みを組み合わせる。本手法は,標準的な最適化問題からロボットシミュレーションまで,いくつかのタスクで評価する。
論文参考訳（メタデータ） (2022-02-07T10:48:28Z)
A survey on multi-objective hyperparameter optimization algorithms for Machine Learning [62.997667081978825]
本稿では,多目的HPOアルゴリズムに関する2014年から2020年にかけての文献を体系的に調査する。メタヒューリスティック・ベース・アルゴリズムとメタモデル・ベース・アルゴリズム,および両者を混合したアプローチを区別する。また,多目的HPO法と今後の研究方向性を比較するための品質指標についても論じる。
論文参考訳（メタデータ） (2021-11-23T10:22:30Z)
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$を達成できることを理論的に証明する。目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文参考訳（メタデータ） (2021-10-18T14:00:22Z)
AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-08-17T13:22:01Z)
Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文参考訳（メタデータ） (2020-07-14T09:50:33Z)
Decomposition in Decision and Objective Space for Multi-Modal Multi-Objective Optimization [15.681236469530397]
多モード多目的最適化問題(MMMOP)はパレート最適集合内に複数の部分集合を持つ。一般的な多目的進化的アルゴリズムは、複数の解部分集合を探索するために純粋に設計されていないが、MMMOP向けに設計されたアルゴリズムは、目的空間における劣化した性能を示す。これは、MMMOPに対処するためのより良いアルゴリズムの設計を動機付けている。
論文参考訳（メタデータ） (2020-06-04T03:18:47Z)
Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。 MoHAEAは、MOEA/D、pa$lambda$-MOEA/D、MOEA/D-AWA、NSGA-IIの4つの状態と比較される。
論文参考訳（メタデータ） (2020-04-29T02:16:49Z)

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。