論文の概要: Do We Really Need to Use Constraint Violation in Constrained Evolutionary Multi-Objective Optimization?

• arxiv url: http://arxiv.org/abs/2205.14349v1
• Date: Sat, 28 May 2022 06:29:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 15:20:40.892994
• Title: Do We Really Need to Use Constraint Violation in Constrained Evolutionary Multi-Objective Optimization?
• Title（参考訳）: 制約付き進化的多目的最適化に制約違反を用いることは本当に必要か?
• Authors: Shuang Li, Ke Li, Wei Li
• Abstract要約: 制約違反は、進化的多目的最適化アルゴリズムを設計するためのビルディングブロックである。 本稿では,制約違反をクリップ値で置き換える,対応する変種を開発する。 実世界および実世界のベンチマークテスト問題に対する実験結果から,選択したアルゴリズムの性能には大きな影響が認められていないことがわかった。
• 参考スコア（独自算出の注目度）: 13.833668582211876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constraint violation has been a building block to design evolutionary multi-objective optimization algorithms for solving constrained multi-objective optimization problems. However, it is not uncommon that the constraint violation is hardly approachable in real-world black-box optimization scenarios. It is unclear that whether the existing constrained evolutionary multi-objective optimization algorithms, whose environmental selection mechanism are built upon the constraint violation, can still work or not when the formulations of the constraint functions are unknown. Bearing this consideration in mind, this paper picks up four widely used constrained evolutionary multi-objective optimization algorithms as the baseline and develop the corresponding variants that replace the constraint violation by a crisp value. From our experiments on both synthetic and real-world benchmark test problems, we find that the performance of the selected algorithms have not been significantly influenced when the constraint violation is not used to guide the environmental selection.
• Abstract（参考訳）: 制約違反は、制約付き多目的最適化問題を解決するための進化的多目的最適化アルゴリズムを設計するためのビルディングブロックである。 しかし、現実世界のブラックボックス最適化シナリオでは、制約違反に近づかないことは珍しくない。 環境選択機構が制約違反に基づいて構築されている既存の制約付き進化的多目的最適化アルゴリズムが、制約関数の定式化が不明な場合に機能するかどうかは不明である。 このことを念頭に置いて,本研究では,制約違反をクリップ値で置き換える変種をベースラインとして,広く使用されている4つの制約付き多目的最適化アルゴリズムを取り上げる。 総合的および実世界のベンチマークテスト問題の両方について実験した結果,制約違反が環境選択の指針として用いられない場合,選択アルゴリズムの性能は大きな影響を及ぼさないことがわかった。

関連論文リスト

• 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)
• Evolutionary Alternating Direction Method of Multipliers for Constrained Multi-Objective Optimization with Unknown Constraints [17.392113376816788]
  制約付き多目的最適化問題(CMOP)は、科学、工学、設計における現実世界の応用に及んでいる。 本稿では,目的関数と制約関数を分離する乗算器の交互方向法の原理に着想を得た,この種の進化的最適化フレームワークについて紹介する。 本研究の枠組みは,元の問題を2つのサブプロブレムの付加形式に再構成することで,未知の制約でCMOPに対処する。
  論文  参考訳（メタデータ） (2024-01-02T00:38:20Z)
• Adaptive Decision-Making with Constraints and Dependent Losses: Performance Guarantees and Applications to Online and Nonlinear Identification [5.787117733071415]
  エージェントが有限の選択肢の中から繰り返し選択することで累積性能目標を最適化する適応的意思決定問題を考える。 我々のアルゴリズムと分析はインスタンス依存であり、つまり、環境の最適以下の選択は、我々の後悔の限界に利用され、反映される。 得られたアルゴリズムの性能は2つの数値例で強調される。
  論文  参考訳（メタデータ） (2023-04-06T18:32:26Z)
• Multiobjective variational quantum optimization for constrained problems: an application to Cash Management [45.82374977939355]
  本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。 我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。 実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
  論文  参考訳（メタデータ） (2023-02-08T17:09:20Z)
• Robust Constrained Multi-objective Evolutionary Algorithm based on Polynomial Chaos Expansion for Trajectory Optimization [0.0]
  提案手法は,頑健な定式化をPCEを介して決定論的問題に書き換える。 ケーススタディとして,風の不確実性を考慮した超音速輸送(SST)の着陸軌道設計を最適化した。
  論文  参考訳（メタデータ） (2022-05-23T15:33:05Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• On Constraints in First-Order Optimization: A View from Non-Smooth Dynamical Systems [99.59934203759754]
  本稿では,スムーズな制約付き最適化のための一階法について紹介する。 提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。 結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
  論文  参考訳（メタデータ） (2021-07-17T11:45:13Z)
• Uncertainty aware Search Framework for Multi-Objective Bayesian Optimization with Constraints [44.25245545568633]
  高価な関数評価を用いた制約付きマルチオブジェクト(MO)ブラックボックス最適化の問題点を考察する。 本稿では,制約付き多目的最適化のための不確実性認識検索フレームワークを提案する。 UeMOCは最適化回路の探索に必要なシミュレーション数を90%以上削減できることを示す。
  論文  参考訳（メタデータ） (2020-08-16T23:34:09Z)
• Optimizing Wireless Systems Using Unsupervised and Reinforced-Unsupervised Deep Learning [96.01176486957226]
  無線ネットワークにおけるリソース割り当てとトランシーバーは、通常最適化問題の解決によって設計される。 本稿では,変数最適化と関数最適化の両問題を解くための教師なし・教師なし学習フレームワークを紹介する。
  論文  参考訳（メタデータ） (2020-01-03T11:01:52Z)

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。