論文の概要: The Effect of Epigenetic Blocking on Dynamic Multi-Objective
Optimisation Problems
- arxiv url: http://arxiv.org/abs/2211.14222v1
- Date: Fri, 25 Nov 2022 16:33:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 14:41:38.646521
- Title: The Effect of Epigenetic Blocking on Dynamic Multi-Objective
Optimisation Problems
- Title(参考訳): エピジェネティックブロッキングが動的多目的最適化問題に及ぼす影響
- Authors: Sizhe Yuen, Thomas H.G. Ezard, Adam J. Sobey
- Abstract要約: エピジェネティックなメカニズムは、環境変化に素早く非あるいは部分的に適応できる。
本稿では、自然界におけるエピジェネティック継承の利点が、動的多目的問題において複製されるかどうかを問う。
- 参考スコア(独自算出の注目度): 1.4502611532302039
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hundreds of Evolutionary Computation approaches have been reported. From an
evolutionary perspective they focus on two fundamental mechanisms: cultural
inheritance in Swarm Intelligence and genetic inheritance in Evolutionary
Algorithms. Contemporary evolutionary biology looks beyond genetic inheritance,
proposing a so-called ``Extended Evolutionary Synthesis''. Many concepts from
the Extended Evolutionary Synthesis have been left out of Evolutionary
Computation as interest has moved toward specific implementations of the same
general mechanisms. One such concept is epigenetic inheritance, which is
increasingly considered central to evolutionary thinking. Epigenetic mechanisms
allow quick non- or partially-genetic adaptations to environmental changes.
Dynamic multi-objective optimisation problems represent similar circumstances
to the natural world where fitness can be determined by multiple objectives
(traits), and the environment is constantly changing.
This paper asks if the advantages that epigenetic inheritance provide in the
natural world are replicated in dynamic multi-objective optimisation problems.
Specifically, an epigenetic blocking mechanism is applied to a state-of-the-art
multi-objective genetic algorithm, MOEA/D-DE, and its performance is compared
on three sets of dynamic test functions, FDA, JY, and UDF. The mechanism shows
improved performance on 12 of the 16 test problems, providing initial evidence
that more algorithms should explore the wealth of epigenetic mechanisms seen in
the natural world.
- Abstract(参考訳): 何百もの進化的計算手法が報告されている。
進化論の観点からは、群知能の文化的継承と進化的アルゴリズムの遺伝的継承の2つの基本的なメカニズムに焦点を当てている。
現代の進化生物学は遺伝学を超越し、いわゆる「拡張進化合成」を提唱している。
拡張進化合成からの多くの概念は、同じ一般的な機構の特定の実装へと興味が移りつつあるため、進化的計算から遠ざかっている。
そのような概念の1つはエピジェネティックな継承であり、進化的思考の中心と考えられている。
エピジェネティックなメカニズムは、環境変化に素早く非あるいは部分的に適応できる。
動的多目的最適化問題は、フィットネスが複数の目的(取引)によって決定され、環境が常に変化している自然界と同じような状況を表す。
本稿では、自然界におけるエピジェネティック継承の利点が動的多目的最適化問題において複製されるかどうかを問う。
具体的には、最先端の多目的遺伝アルゴリズムMOEA/D-DEにエピジェネティック・ブロッキング機構を適用し、その性能をFDA、JY、UDFの3種類の動的テスト関数で比較する。
このメカニズムは16の試験のうち12の問題を改善し、さらに多くのアルゴリズムが自然界で見られるエピジェネティックなメカニズムを探索すべきであることを示す。
関連論文リスト
- A match made in consistency heaven: when large language models meet
evolutionary algorithms [51.087936554483804]
事前訓練された大規模言語モデル(LLM)は、創造的な自然言語を生成する強力な能力を持つ。
進化的アルゴリズム(EA)は、複雑な現実世界の問題に対する多様な解決策を発見できる。
テキストシーケンスの生成と進化の共通の集合性と方向性に動機づけられた本論文は,LLMとEAの強い一貫性を示す。
論文 参考訳(メタデータ) (2024-01-19T05:58:30Z) - DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary
Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。
我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。
今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文 参考訳(メタデータ) (2023-12-08T16:51:10Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳(メタデータ) (2023-10-23T13:35:24Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Role of Morphogenetic Competency on Evolution [0.0]
進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。
我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。
我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
論文 参考訳(メタデータ) (2023-10-13T11:58:18Z) - Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to
regulate chromosomes expression [0.0]
本稿ではメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。
エピジェネティックスアルゴリズムの斬新さは、主に注意機構と深層学習を利用しており、遺伝子/サイレンシングの概念とよく適合している。
論文 参考訳(メタデータ) (2023-03-15T21:33:21Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳(メタデータ) (2023-01-07T18:36:44Z) - 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) - Epigenetic opportunities for Evolutionary Computation [0.0]
進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
論文 参考訳(メタデータ) (2021-08-10T09:44:53Z) - Semantic Neighborhood Ordering in Multi-objective Genetic Programming
based on Decomposition [0.0]
分割に基づく多目的進化アルゴリズム(MOEA/D)を用いた進化的多目的最適化(EMO)における意味多様性の促進方法を示す。
遺伝子プログラミングにおけるMOEA/Dのセマンティック多様性をいかに促進できるかを初めて示す。
論文 参考訳(メタデータ) (2021-02-28T12:18:37Z) - Modeling epigenetic evolutionary algorithms: An approach based on the
epigenetic regulation process [0.0]
この論文は、エピジェネティック・レギュレーション・プロセスにインスパイアされた進化的アルゴリズムのエピジェネティック・テクニックを提示している。
エピジェネティック・レギュレーションは、特定の遺伝子に小さな分子(エピジェネティック・タグとしても知られる)を付加または除去する生物学的機構を含む。
論文 参考訳(メタデータ) (2021-02-18T21:51:50Z)
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。