論文の概要: New Probabilistic-Dynamic Multi-Method Ensembles for Optimization based
on the CRO-SL
- arxiv url: http://arxiv.org/abs/2212.00742v2
- Date: Fri, 2 Dec 2022 09:25:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 13:18:47.539850
- Title: New Probabilistic-Dynamic Multi-Method Ensembles for Optimization based
on the CRO-SL
- Title（参考訳）: CRO-SLに基づく新しい確率論的動的多手法アンサンブル
- Authors: Jorge P\'erez-Aracil and Carlos Camacho-G\'omez and Eugenio
Lorente-Ramos and Cosmin M. Marina and Sancho Salcedo-Sanz
- Abstract要約: 本稿では,CRO-SLアルゴリズムを用いたサンサンブル生成手法を提案する。
第1の戦略は確率的CRO-SLであり、CRO-SL集団の基質を各個体に関連付けられたエムタグで置換する。
第2の戦略は動的確率 CRO-SL であり、タグ割り当ての確率はアルゴリズムの進化中に修正される。
- 参考スコア（独自算出の注目度）: 1.7307692398051588
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we propose new probabilistic and dynamic (adaptive) strategies
to create multi-method ensembles based on the Coral Reefs Optimization with
Substrate Layers (CRO-SL) algorithm. The CRO-SL is an evolutionary-based
ensemble approach, able to combine different search procedures within a single
population. In this work we discuss two different probabilistic strategies to
improve the algorithm. First, we defined the Probabilistic CRO-SL (PCRO-SL),
which substitutes the substrates in the CRO-SL population by {\em tags}
associated with each individual. Each tag represents a different operator which
will modify the individual in the reproduction phase. In each generation of the
algorithm, the tags are randomly assigned to the individuals with a similar
probability, obtaining this way an ensemble with a more intense change in the
application of different operators to a given individual than the original
CRO-SL. The second strategy discussed in this paper is the Dynamical
Probabilistic CRO-SL (DPCRO-SL), in which the probability of tag assignment is
modified during the evolution of the algorithm, depending on the quality of the
solutions generated in each substrate. Thus, the best substrates in the search
process will be assigned with a higher probability that those which showed a
worse performance during the search. We test the performance of the proposed
probabilistic and dynamic ensembles in different optimization problems,
including benchmark functions and a real application of wind turbines layout
optimization, comparing the results obtained with that of existing algorithms
in the literature.
- Abstract（参考訳）: 本稿では,基盤層(cro-sl)アルゴリズムを用いたサンゴ礁最適化に基づくマルチメソッドアンサンブルを作成するための新しい確率的動的(適応的)戦略を提案する。
CRO-SLは進化に基づくアンサンブルアプローチであり、単一の集団内で異なる探索手順を組み合わせることができる。
本稿では,アルゴリズム改善のための2つの確率的戦略について考察する。
まず, CRO-SL (PCRO-SL) を各個体に関連付けることで, CRO-SL 集団の基質を置換する確率的 CRO-SL (PCRO-SL) を定義した。
各タグは、再生フェーズで個人を変更する異なる演算子を表す。
アルゴリズムの各世代において、タグは、同じ確率で個人にランダムに割り当てられ、この方法で、元のCRO-SLよりも特定の個人への異なる演算子の適用に、より強い変化を伴うアンサンブルを得る。
本論文で議論されている2つ目の戦略は動的確率的 cro-sl (dpcro-sl) であり,各基板で生成する解の質に応じてタグ割り当ての確率を変化させる手法である。
したがって、探索過程における最善の基板は、探索中に性能を低下させた基板よりも高い確率で割り当てられる。
ベンチマーク関数や風車レイアウト最適化の実際の応用など,様々な最適化問題において提案する確率的および動的アンサンブルの性能を,既存のアルゴリズムとの比較により検証した。
関連論文リスト
- Structures vibration control via tuned mass dampers using a co-evolution
coral reefs optimization algorithm [0.0]
本研究では, 地震動を受ける構造物の最適設計と位置決定問題に対処する。
具体的には,Coral Reefs Optimization (CRO) with Substrate Layer (CRO-SL) を競合する共進化アルゴリズムとして提案する。
提案手法は, 異なるタイプの探索機構の組み合わせを利用して, TMD設計と位置問題を解くことができる。
論文 参考訳（メタデータ） (2024-02-10T16:09:56Z) - Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。
標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。
我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。
本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
論文 参考訳（メタデータ） (2023-04-01T15:50:18Z) - Optimal algorithms for group distributionally robust optimization and
beyond [48.693477387133484]
そこで我々は,グループDRO,サブポピュレーションフェアネス,経験的条件値などのDRO問題のクラスに対するアルゴリズムを考案した。
我々の新しいアルゴリズムは、複数のDRO設定のための既存のアルゴリズムよりも高速な収束率を実現する。
経験的にも、私たちのアルゴリズムは既知の手法よりも優れています。
論文 参考訳（メタデータ） (2022-12-28T02:45:46Z) - Multi-agent Dynamic Algorithm Configuration [29.065510165544865]
自動アルゴリズム構成により、ユーザは面倒で試行錯誤的なチューニングタスクを省くことができる。
本稿では,複雑なアルゴリズムのためのマルチエージェントDAC(MA-DAC)を提案する。
我々は,MA-DACが他の構成調整手法と比較して優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2022-10-13T08:39:32Z) - Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。
基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。
我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
論文 参考訳（メタデータ） (2022-09-27T17:51:31Z) - Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and
Stability [67.8426046908398]
汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。
本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
論文 参考訳（メタデータ） (2022-04-08T20:46:16Z) - Adaptive Group Collaborative Artificial Bee Colony Algorithm [12.843155301033512]
人工蜂コロニー(ABC)アルゴリズムは競争力があることが示されている。
解空間全体(探索と呼ばれる)におけるグローバル探索の能力のバランスが取れず、局所解空間における迅速な探索が難しい。
ABCの性能向上のために,適応グループ協調ABC(AgABC)アルゴリズムを導入した。
論文 参考訳（メタデータ） (2021-12-02T13:33:37Z) - Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。
局所探索のための政策勾配は、しばしばランダムな摂動から得られる。
目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文 参考訳（メタデータ） (2021-06-22T16:07:02Z) - Hybrid Henry Gas Solubility Optimization Algorithm with Dynamic
Cluster-to-Algorithm Mapping for Search-based Software Engineering Problems [1.0323063834827413]
本稿ではHenry Gas Solubility Optimization(HGSO)アルゴリズムの新しい変種であるHGSO(Hybrid HGSO)について述べる。
前者とは異なり、HHGSOは異なるメタヒューリスティックアルゴリズムを提供する複数のクラスタを同じ集団内で共存させることができる。
HHGSOは、適応的な切替係数を持つペナル化および報酬モデルによる動的クラスタ-アルゴリズムマッピングを発明し、メタヒューリスティックなハイブリダイゼーションのための新しいアプローチを提供する。
論文 参考訳（メタデータ） (2021-05-31T12:42:15Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z)
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。