論文の概要: The Influence of Local Search over Genetic Algorithms with Balanced Representations

• arxiv url: http://arxiv.org/abs/2206.10974v1
• Date: Wed, 22 Jun 2022 10:59:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 12:38:48.293758
• Title: The Influence of Local Search over Genetic Algorithms with Balanced Representations
• Title（参考訳）: バランス表現をもつ遺伝的アルゴリズムに対する局所探索の影響
• Authors: Luca Manzoni, Luca Mariot, Eva Tuba
• Abstract要約: 地域検索を追加することで、実際に人口の多様性が増すことが示される。 これらの知見を、Boolean関数の問題に対するフィットネスランドスケープ分析に関する最近の結果とリンクする。
• 参考スコア（独自算出の注目度）: 2.610470075814367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We continue the study of Genetic Algorithms (GA) on combinatorial optimization problems where the candidate solutions need to satisfy a balancedness constraint. It has been observed that the reduction of the search space size granted by ad-hoc crossover and mutation operators does not usually translate to a substantial improvement of the GA performances. There is still no clear explanation of this phenomenon, although it is suspected that a balanced representation might yield a more irregular fitness landscape, where it could be more difficult for GA to converge to a global optimum. In this paper, we investigate this issue by adding a local search step to a GA with balanced operators, and use it to evolve highly nonlinear balanced Boolean functions. In particular, we organize our experiments around two research questions, namely if local search (1) improves the convergence speed of GA, and (2) decreases the population diversity. Surprisingly, while our results answer affirmatively the first question, they also show that adding local search actually \emph{increases} the diversity among the individuals in the population. We link these findings to some recent results on fitness landscape analysis for problems on Boolean functions.
• Abstract（参考訳）: 我々は, 候補解が均衡制約を満たす必要がある組合せ最適化問題に関する遺伝的アルゴリズム(ga)の研究を継続する。 アドホックなクロスオーバーと突然変異演算子によって与えられる探索空間の縮小は、GA性能の大幅な改善にはならないことが観察されている。 この現象の明確な説明はいまだにないが、バランスの取れた表現はより不規則なフィットネスランドスケープをもたらす可能性があり、GAがグローバルな最適化に収束することがより困難である可能性がある。 本稿では,平衡演算子を持つGAに局所探索ステップを追加してこの問題を考察し,高非線形平衡ブール関数の進化に活用する。 特に, 局所探索がgaの収束速度を向上させるか, (2) 個体群多様性を低下させるかという2つの研究課題に関する実験を整理した。 驚くべきことに、私たちの結果は最初の質問に対して肯定的に答える一方で、ローカル検索を追加することで、実際に人口の多様性が向上することを示している。 これらの知見を、Boolean関数の問題に対するフィットネスランドスケープ分析に関する最近の結果とリンクする。

関連論文リスト

• Error Feedback under $(L_0,L_1)$-Smoothness: Normalization and Momentum [56.37522020675243]
  機械学習の幅広い問題にまたがる正規化誤差フィードバックアルゴリズムに対する収束の最初の証明を提供する。 提案手法では,許容可能なステップサイズが大きくなったため,新しい正規化エラーフィードバックアルゴリズムは,各種タスクにおける非正規化エラーよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-22T10:19:27Z)
• Improving genetic algorithms performance via deterministic population shrinkage [9.334663477968027]
  本稿では,遺伝的アルゴリズム(GA)の性能に対する簡易変数集団サイズ法の適用可能性に関する実証的研究について述べる。 それは、所定のスケジュールに従ってGAランの人口を減少させ、速度と重大度パラメータによって構成する。 その結果,SVPS-GAは性能を向上しながら解の質を保ちつつ,性能向上に要する評価回数を削減し,速度重大性の組合せを示した。
  論文  参考訳（メタデータ） (2024-01-22T17:05:16Z)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• Maximum Spatial Perturbation Consistency for Unpaired Image-to-Image Translation [56.44946660061753]
  本稿では,最大空間摂動整合(MSPC)と呼ばれる普遍正規化手法を提案する。 MSPCは空間摂動関数(T)と変換演算子(G)を可換(TG = GT)に強制する。 提案手法は,ほとんどのI2Iベンチマークにおいて最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-23T19:59:04Z)
• Temporal Heterogeneity Improves Speed and Convergence in Genetic Algorithms [0.0]
  遺伝的アルゴリズムは自然選択をシミュレートし、様々な問題の解を探すためにパラメータ空間を探索する。 我々は、クロスオーバー確率を個人のフィットネスに逆比例するように設定した。 時間的不均一性はパラメータ空間の事前の知識を必要とせずに探索を改善する。
  論文  参考訳（メタデータ） (2022-02-02T22:48:56Z)
• Flipping the switch on local exploration: Genetic Algorithms with Reversals [0.0]
  著者らは、勾配のない探索手法が離散領域における最適解を提供するのに適していることを示した。 また、複数のローカル検索を使用することで、ローカル検索のパフォーマンスが向上することを示した。 提案したGA変種は,提案した問題を含む全てのベンチマークにおいて,最小平均コストであり,ICが構成成分よりも優れた性能を発揮することが観察された。
  論文  参考訳（メタデータ） (2022-02-02T08:27:11Z)
• 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 to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)
• Hardness of Random Optimization Problems for Boolean Circuits, Low-Degree Polynomials, and Langevin Dynamics [78.46689176407936]
  アルゴリズムの族は高い確率でほぼ最適な解を生成できないことを示す。 ブール回路の場合、回路複雑性理論で知られている最先端境界を改善する。
  論文  参考訳（メタデータ） (2020-04-25T05:45:59Z)
• Tip the Balance: Improving Exploration of Balanced Crossover Operators by Adaptive Bias [2.610470075814367]
  遺伝的アルゴリズム(GA)におけるバランスの取れたクロスオーバー演算子の使用は、子孫として生成された二進文字列が両親と同じハミング重みを持つことを保証している。 この手法は,探索空間のサイズを小さくするが,GAが探索することが困難になることが多い。 本論文では、対向型クロスオーバー演算子に適応バイアス戦略を適用することにより、この問題を考察した。
  論文  参考訳（メタデータ） (2020-04-23T17:26:43Z)
• From Understanding Genetic Drift to a Smart-Restart Parameter-less Compact Genetic Algorithm [15.56430085052365]
  遺伝的なドリフトのない体制では、実行期間は人口規模にほぼ比例する。 本稿では,遺伝的アルゴリズムのパラメータレスバージョンを提案する。
  論文  参考訳（メタデータ） (2020-04-15T15:12:01Z)

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。