論文の概要: ATM-R: An Adaptive Tradeoff Model with Reference Points for Constrained
Multiobjective Evolutionary Optimization
- arxiv url: http://arxiv.org/abs/2301.03317v1
- Date: Mon, 9 Jan 2023 13:11:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 15:39:43.419291
- Title: ATM-R: An Adaptive Tradeoff Model with Reference Points for Constrained
Multiobjective Evolutionary Optimization
- Title（参考訳）: ATM-R:制約付き多目的進化最適化のための基準点付き適応トレードオフモデル
- Authors: Bing-Chuan Wang, Yunchuan Qin, Xian-Bing Meng, Zhi-Zhong Liu
- Abstract要約: ATM-Rは制約付き多目的進化最適化のための新しいアルゴリズムである。
このアルゴリズムは、最先端の5つの制約付き多目的最適化アルゴリズムと比較される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The goal of constrained multiobjective evolutionary optimization is to obtain
a set of well-converged and welldistributed feasible solutions. To complete
this goal, there should be a tradeoff among feasibility, diversity, and
convergence. However, it is nontrivial to balance these three elements
simultaneously by using a single tradeoff model since the importance of each
element varies in different evolutionary phases. As an alternative, we adapt
different tradeoff models in different phases and propose a novel algorithm
called ATM-R. In the infeasible phase, ATM-R takes the tradeoff between
diversity and feasibility into account, aiming to move the population toward
feasible regions from diverse search directions. In the semi-feasible phase,
ATM-R promotes the transition from "the tradeoff between feasibility and
diversity" to "the tradeoff between diversity and convergence", which can
facilitate the discovering of enough feasible regions and speed up the search
for the feasible Pareto optima in succession. In the feasible phase, the
tradeoff between diversity and convergence is considered to attain a set of
well-converged and well-distributed feasible solutions. It is worth noting that
the merits of reference points are leveraged in ATM-R to accomplish these
tradeoff models. Also, in ATM-R, a multiphase mating selection strategy is
developed to generate promising solutions beneficial to different evolutionary
phases. Systemic experiments on a wide range of benchmark test functions
demonstrate that ATM-R is effective and competitive, compared against five
state-of-the-art constrained multiobjective optimization evolutionary
algorithms.
- Abstract（参考訳）: 制約付き多目的進化最適化の目標は、よく収束し、よく分散された実現可能なソリューションの集合を得ることである。
この目標を達成するには、実現可能性、多様性、収束の間にトレードオフがあるべきです。
しかしながら、それぞれの要素の重要性は進化段階によって異なるため、これら3つの要素を単一のトレードオフモデルを用いて同時にバランスさせることは自明ではない。
代替として、異なるフェーズで異なるトレードオフモデルを適用し、ATM-Rと呼ばれる新しいアルゴリズムを提案する。
ATM-Rは,多様性と実現可能性のトレードオフを考慮に入れ,多様な探索方向から実現可能な地域へ人口を移動させることを目的としている。
半実現段階において、ATM-Rは「実現可能性と多様性のトレードオフ」から「多様性と収束のトレードオフ」への移行を促進し、十分な実現可能な領域の発見を容易にし、実現可能なパレト・オプティマの探索を高速化する。
実現可能なフェーズでは、多様性と収束の間のトレードオフは、よく収束し、よく分散された実現可能なソリューションの集合に達すると考えられる。
これらのトレードオフモデルを達成するために、ATM-Rで参照ポイントの利点を活用できることは注目に値する。
また、ATM-Rでは、異なる進化相に有用な有望な解を生成するため、多相マッチング選択戦略が開発されている。
幅広いベンチマークテスト関数のシステム実験により、ATM-Rは5つの最先端制約付き多目的最適化アルゴリズムと比較して効率的かつ競合的であることが示された。
関連論文リスト
- A Two-stage Evolutionary Framework For Multi-objective Optimization [8.253379910879795]
多目的最適化のための2段階進化フレームワーク(TEMOF)
1つの古典的MOEAと2つの最先端MOEAがフレームワークに統合され、3つの新しいアルゴリズムが形成される。
3つの新しいアルゴリズムの勝者は、既存のMOEAと比較され、より良い結果を示す。
論文 参考訳（メタデータ） (2024-07-09T04:14:59Z) - Multi-Domain Evolutionary Optimization of Network Structures [25.658524436665637]
マルチドメイン進化最適化(MDEO)のための新しいフレームワークを開発する。
異なる領域の8つの実世界のネットワークの実験は、古典的な進化的最適化と比較してMDEOが優れていることを示す。
コミュニティに対する攻撃のシミュレーションは、コミュニティの安全を守るために提案されたMDEOの有効性を検証する。
論文 参考訳（メタデータ） (2024-06-21T04:53:39Z) - Towards Multi-Objective High-Dimensional Feature Selection via
Evolutionary Multitasking [63.91518180604101]
本稿では,高次元特徴選択問題,すなわちMO-FSEMTのための新しいEMTフレームワークを開発する。
タスク固有の知識伝達機構は、各タスクの利点情報を活用するように設計され、高品質なソリューションの発見と効果的な伝達を可能にする。
論文 参考訳（メタデータ） (2024-01-03T06:34:39Z) - Source-free Domain Adaptation Requires Penalized Diversity [60.04618512479438]
ソースデータがない場合、異なるドメイン間の知識伝達に対処するために、ソースフリードメイン適応(SFDA)が導入された。
教師なしのFDAでは、多様性はソース上の1つの仮説を学習するか、共有された特徴抽出器で複数の仮説を学習することに限定される。
本稿では,異なる特徴抽出器を用いて表現多様性を促進する新しい無教師付きSFDAアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-06T00:20:19Z) - Slimmable Domain Adaptation [112.19652651687402]
重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。
私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
論文 参考訳（メタデータ） (2022-06-14T06:28:04Z) - Feature subset selection for Big Data via Chaotic Binary Differential
Evolution under Apache Spark [4.241208172557663]
本稿では,基数とAUCを含む新しい乗法的単一目的関数を提案する。
二項微分進化(BDE)にロジスティックおよびテントカオス写像を組み込み、それをカオス二項微分進化(CBDE)と命名した。
その結果,P-CBDE-iS(Chaotic Binary Differential Evolution)とP-CBDE-iS(Chaotic Binary Differential Evolution)により,より高品質な特徴部分集合が得られた。
論文 参考訳（メタデータ） (2022-02-08T11:39:40Z) - 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) - Bi-Bimodal Modality Fusion for Correlation-Controlled Multimodal
Sentiment Analysis [96.46952672172021]
Bi-Bimodal Fusion Network (BBFN) は、2対のモダリティ表現で融合を行う新しいエンドツーエンドネットワークである。
モデルは、モダリティ間の既知の情報不均衡により、2つのバイモーダルペアを入力として取る。
論文 参考訳（メタデータ） (2021-07-28T23:33:42Z) - Permutation Invariant Policy Optimization for Mean-Field Multi-Agent
Reinforcement Learning: A Principled Approach [128.62787284435007]
本稿では,平均場近似ポリシ最適化(MF-PPO)アルゴリズムを提案する。
我々は,MF-PPOが収束のサブ線形速度で世界的最適政策を達成することを証明した。
特に、置換不変ニューラルアーキテクチャによって引き起こされる誘導バイアスは、MF-PPOが既存の競合より優れていることを示す。
論文 参考訳（メタデータ） (2021-05-18T04:35:41Z) - dMFEA-II: An Adaptive Multifactorial Evolutionary Algorithm for
Permutation-based Discrete Optimization Problems [6.943742860591444]
本稿では、最近導入されたMFEA-II(Multifactorial Evolutionary Algorithm II)を、置換に基づく離散環境に適用する。
提案手法の性能を5種類のマルチタスク設定で評価した。
論文 参考訳（メタデータ） (2020-04-14T14:42:47Z) - Multifactorial Cellular Genetic Algorithm (MFCGA): Algorithmic Design,
Performance Comparison and Genetic Transferability Analysis [17.120962133525225]
多目的最適化は先進的な研究領域であり、近年顕著な研究の勢いを増している。
本稿では,多因子最適化シナリオのための新しいアルゴリズムスキームを提案する。
提案したMFCGAはセルオートマタの概念に基づいて,問題間の知識交換機構を実装している。
論文 参考訳（メタデータ） (2020-03-24T11:03:55Z)
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。