論文の概要: An Effective and Efficient Evolutionary Algorithm for Many-Objective
Optimization
- arxiv url: http://arxiv.org/abs/2205.15884v1
- Date: Tue, 31 May 2022 15:35:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-26 14:44:36.289484
- Title: An Effective and Efficient Evolutionary Algorithm for Many-Objective
Optimization
- Title（参考訳）: 多目的最適化のための効率的かつ効率的な進化アルゴリズム
- Authors: Yani Xue, Miqing Li, Xiaohui Liu
- Abstract要約: 様々な多目的問題に対処できる効率的な進化的アルゴリズム(E3A)を開発した。
SDEにインスパイアされたE3Aでは,新しい集団維持法が提案されている。
我々は、広範囲な実験を行い、E3Aが11の最先端の多目的進化アルゴリズムより優れていることを示す。
- 参考スコア（独自算出の注目度）: 2.5594423685710814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In evolutionary multi-objective optimization, effectiveness refers to how an
evolutionary algorithm performs in terms of converging its solutions into the
Pareto front and also diversifying them over the front. This is not an easy
job, particularly for optimization problems with more than three objectives,
dubbed many-objective optimization problems. In such problems, classic
Pareto-based algorithms fail to provide sufficient selection pressure towards
the Pareto front, whilst recently developed algorithms, such as
decomposition-based ones, may struggle to maintain a set of well-distributed
solutions on certain problems (e.g., those with irregular Pareto fronts).
Another issue in some many-objective optimizers is rapidly increasing
computational requirement with the number of objectives, such as
hypervolume-based algorithms and shift-based density estimation (SDE) methods.
In this paper, we aim to address this problem and develop an effective and
efficient evolutionary algorithm (E3A) that can handle various many-objective
problems. In E3A, inspired by SDE, a novel population maintenance method is
proposed. We conduct extensive experiments and show that E3A performs better
than 11 state-of-the-art many-objective evolutionary algorithms in quickly
finding a set of well-converged and well-diversified solutions.
- Abstract（参考訳）: 進化的多目的最適化(英: Evolution multi-jective optimization)とは、進化的アルゴリズムがParetoの前面に解を収束させ、その前方に分散させる方法である。
これは簡単な仕事ではなく、特に3つ以上の目的を持つ最適化問題に対して、多目的最適化問題と呼ばれる。
このような問題において、古典的なパレート系アルゴリズムはパレート系に対して十分な選択圧力を与えていないが、最近開発された分解系アルゴリズムのようなアルゴリズムは、特定の問題(例えば不規則なパレート系)に対する分散解のセットを維持するのに苦労しているかもしれない。
いくつかの多目的オプティマイザのもう一つの問題は、超体積アルゴリズムやシフトベース密度推定法(SDE)など、目的数で計算要求が急速に増加することである。
本稿では,この問題に対処し,多目的問題に対処できる効率的な進化アルゴリズム(E3A)を開発することを目的とする。
SDEにインスパイアされたE3Aでは,新しい集団維持法が提案されている。
我々は、e3aが11の最先端の多目的進化アルゴリズムよりも優れた性能を発揮することを示す実験を行った。
関連論文リスト
- Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - Socio-cognitive Optimization of Time-delay Control Problems using
Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。
本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文 参考訳（メタデータ） (2022-10-23T22:21:10Z) - Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。
木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。
3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文 参考訳（メタデータ） (2022-09-09T14:58:43Z) - Enhanced Opposition Differential Evolution Algorithm for Multimodal
Optimization [0.2538209532048866]
現実の問題は、本質的には複数の最適値からなるマルチモーダルである。
古典的な勾配に基づく手法は、目的関数が不連続あるいは微分不可能な最適化問題に対して失敗する。
我々は,MMOPを解くために,拡張オポポジション微分進化(EODE)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-23T16:18:27Z) - An Efficient Multi-Indicator and Many-Objective Optimization Algorithm
based on Two-Archive [7.7415390727490445]
本稿では,2階層型(SRA3)に基づくインジケータに基づく多目的最適化アルゴリズムを提案する。
評価指標の性能に基づいて環境選択の優れた個人を効率よく選び、追加パラメータを設定することなく親の選択に適応パラメータ戦略を利用することができる。
DTLZおよびWFG問題に関する実験により、SRA3は高い効率を維持しつつ、優れた収束性と多様性を有することが示された。
論文 参考訳（メタデータ） (2022-01-14T13:09:50Z) - 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) - An Overview and Experimental Study of Learning-based Optimization
Algorithms for Vehicle Routing Problem [49.04543375851723]
車両ルーティング問題(VRP)は典型的な離散最適化問題である。
多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。
本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
論文 参考訳（メタデータ） (2021-07-15T02:13:03Z) - A Framework to Handle Multi-modal Multi-objective Optimization in
Decomposition-based Evolutionary Algorithms [7.81768535871051]
分解に基づく進化的アルゴリズムは多目的最適化に優れた性能を持つ。
解空間の多様性を維持するメカニズムが欠如しているため、マルチモーダルな多目的最適化にはあまり役に立たない可能性が高い。
本稿では,マルチモーダル多目的最適化のための分解に基づく進化的アルゴリズムの性能向上のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-30T14:32:57Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - sKPNSGA-II: Knee point based MOEA with self-adaptive angle for Mission
Planning Problems [2.191505742658975]
いくつかの問題には、多くの非支配的な解をもたらす多くの目的がある。
本稿では,最も重要な解を得るために設計された新しいアルゴリズムを提案する。
このアルゴリズムは無人航空機(UAV)ミッション計画問題における実世界の応用に応用されている。
論文 参考訳（メタデータ） (2020-02-20T17:07:08Z)
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。