Fugu-MT 論文翻訳(概要): What Performance Indicators to Use for Self-Adaptation in Multi-Objective Evolutionary Algorithms

論文の概要: What Performance Indicators to Use for Self-Adaptation in Multi-Objective Evolutionary Algorithms

arxiv url: http://arxiv.org/abs/2303.04611v1
Date: Wed, 8 Mar 2023 14:26:46 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 13:46:37.171027
Title: What Performance Indicators to Use for Self-Adaptation in Multi-Objective Evolutionary Algorithms
Title（参考訳）: 多目的進化アルゴリズムにおける自己適応のための性能指標
Authors: Furong Ye and Frank Neumann and Jacob de Nobel and Aneta Neumann and Thomas B\"ack
Abstract要約: 我々は,OneMinMax,COCZ,LOTZ,OneJumpZeroJumpの3つの自己適応型突然変異手法を用いて,単目的最適化を行う。我々は,メトリクスの選択が自己適応型アルゴリズムの性能に大きく影響することを明らかにする。
参考スコア（独自算出の注目度）: 10.609857097723266
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Parameter control has succeeded in accelerating the convergence process of evolutionary algorithms. Empirical and theoretical studies for classic pseudo-Boolean problems, such as OneMax, LeadingOnes, etc., have explained the impact of parameters and helped us understand the behavior of algorithms for single-objective optimization. In this work, by transmitting the techniques of single-objective optimization, we perform an extensive experimental investigation into the behavior of the self-adaptive GSEMO variants. We test three self-adaptive mutation techniques designed for single-objective optimization for the OneMinMax, COCZ, LOTZ, and OneJumpZeroJump problems. While adopting these techniques for the GSEMO algorithm, we consider different performance metrics based on the current non-dominated solution set. These metrics are used to guide the self-adaption process. Our results indicate the benefits of self-adaptation for the tested benchmark problems. We reveal that the choice of metrics significantly affects the performance of the self-adaptive algorithms. The self-adaptation methods based on the progress in one objective can perform better than the methods using multi-objective metrics such as hypervolume, inverted generational distance, and the number of the obtained Pareto solutions. Moreover, we find that the self-adaptive methods benefit from the large population size for OneMinMax and COCZ.
Abstract（参考訳）: パラメータ制御は進化アルゴリズムの収束過程を加速させることに成功した。 OneMaxやLeadingOnesなどの古典的擬似ブール問題に対する実証的および理論的研究は、パラメータの影響を説明し、単一目的最適化のためのアルゴリズムの振る舞いを理解するのに役立っている。本研究では, 単目的最適化の手法を伝達することにより, 自己適応型GSEMOの挙動に関する広範な実験的研究を行う。我々は、OneMinMax、COCZ、LOTZ、OneJumpZeroJump問題に対して、単目的最適化のために設計された3つの自己適応突然変異手法をテストする。 GSEMOアルゴリズムにこれらの手法を適用しながら、現在の非支配的解集合に基づいて異なる性能指標を考察する。これらのメトリクスは、自己適応プロセスのガイドに使われます。その結果, ベンチマーク問題に対する自己適応の利点が示唆された。我々は,メトリクスの選択が自己適応アルゴリズムの性能に大きく影響することを明らかにする。 1つの目的の進捗に基づく自己適応法は、超体積、逆世代距離、得られたパレート解の個数などの多目的指標を用いた手法よりも優れた性能を発揮する。さらに,OneMinMax と COCZ の集団規模が大きいことから,自己適応手法が有用であることが判明した。

関連論文リスト

Integrating Chaotic Evolutionary and Local Search Techniques in Decision Space for Enhanced Evolutionary Multi-Objective Optimization [1.8130068086063336]
本稿では,SOMMOP(Single-Objective Multi-Modal Optimization)とMOO(Multi-Objective Optimization)の両方に焦点を当てる。 SOMMOPではニッチ技術とカオス進化を統合し,ガウス突然変異を併用したパーシスタンス・クラスタリングを行った。 MOOでは,これらの手法を不確実性に基づく選択,適応的チューニングを組み込んだ包括的フレームワークに拡張し,決定論的群集に半径(R)の概念を導入する。
論文参考訳（メタデータ） (2024-11-12T15:18:48Z)
Sliding Window Bi-Objective Evolutionary Algorithms for Optimizing Chance-Constrained Monotone Submodular Functions [10.506038775815094]
本稿では,[21]で導入されたスライディング・セレクションのアプローチを,確率制約付き単調部分モジュラ関数の最適化に適用する。 SW-GSEMOアルゴリズムは,実行環境に影響を及ぼす重要な要因として,個体数制限に成功していることを示す。
論文参考訳（メタデータ） (2024-07-13T00:28:29Z)
Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process Optimization [59.45414406974091]
我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。 NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
論文参考訳（メタデータ） (2023-05-31T12:07:50Z)
An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文参考訳（メタデータ） (2022-10-27T01:58:10Z)
Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。 GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
論文参考訳（メタデータ） (2022-04-11T01:08:26Z)
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$を達成できることを理論的に証明する。目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文参考訳（メタデータ） (2021-10-18T14:00:22Z)
Meta-Learning with Neural Tangent Kernels [58.06951624702086]
メタモデルのニューラルタンジェントカーネル(NTK)によって誘導される再生カーネルヒルベルト空間(RKHS)における最初のメタラーニングパラダイムを提案する。このパラダイムでは,MAMLフレームワークのように,最適な反復内ループ適応を必要としない2つのメタ学習アルゴリズムを導入する。本研究の目的は,1) 適応をRKHSの高速適応正則化器に置き換えること,2) NTK理論に基づいて解析的に適応を解くことである。
論文参考訳（メタデータ） (2021-02-07T20:53:23Z)
AT-MFCGA: An Adaptive Transfer-guided Multifactorial Cellular Genetic Algorithm for Evolutionary Multitasking [17.120962133525225]
本稿では,進化的マルチタスク環境を扱うための適応メタヒューリスティックアルゴリズムを提案する。 AT-MFCGAはセルラーオートマトンを利用して、検討中の最適化問題の知識を交換する機構を実装している。
論文参考訳（メタデータ） (2020-10-08T12:00:10Z)
EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文参考訳（メタデータ） (2020-07-09T10:19:22Z)
Optimizing Monotone Chance-Constrained Submodular Functions Using Evolutionary Multi-Objective Algorithms [11.807734722701786]
ここでは制約は成分を伴い、制約はアルファの小さな確率でのみ破ることができる。 GSEMOアルゴリズムは, 単調な部分モジュラ関数に対して, 最悪の性能保証が得られることを示す。実験結果から, 進化的多目的アルゴリズムを用いることで, 性能が大幅に向上することが示唆された。
論文参考訳（メタデータ） (2020-06-20T00:17:44Z)
Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。 MoHAEAは、MOEA/D、pa$lambda$-MOEA/D、MOEA/D-AWA、NSGA-IIの4つの状態と比較される。
論文参考訳（メタデータ） (2020-04-29T02:16:49Z)

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。