論文の概要: Non-Elitist Evolutionary Multi-Objective Optimisation: Proof-of-Principle Results

• arxiv url: http://arxiv.org/abs/2305.16870v1
• Date: Fri, 26 May 2023 12:24:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 15:15:41.292264
• Title: Non-Elitist Evolutionary Multi-Objective Optimisation: Proof-of-Principle Results
• Title（参考訳）: 非エリート的進化的多目的最適化:原理実証結果
• Authors: Zimin Liang and Miqing Li and Per Kristian Lehre
• Abstract要約: エリティズムは、古い人口と新しく生成された解決策から最良の解決策を保存して新しい人口を構築するもので、1990年代後半以来、人口の更新のデフォルトの手段となっている。 我々は、単にエリート主義を捨てることによって、MOEAの人口更新を行うために反対の視点を採っている。 予備実験の結果、NE-MOEAはよく知られたエリート主義者のMOEAと競合できることが示された。
• 参考スコア（独自算出の注目度）: 2.5352713493505785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Elitism, which constructs the new population by preserving best solutions out of the old population and newly-generated solutions, has been a default way for population update since its introduction into multi-objective evolutionary algorithms (MOEAs) in the late 1990s. In this paper, we take an opposite perspective to conduct the population update in MOEAs by simply discarding elitism. That is, we treat the newly-generated solutions as the new population directly (so that all selection pressure comes from mating selection). We propose a simple non-elitist MOEA (called NE-MOEA) that only uses Pareto dominance sorting to compare solutions, without involving any diversity-related selection criterion. Preliminary experimental results show that NE-MOEA can compete with well-known elitist MOEAs (NSGA-II, SMS-EMOA and NSGA-III) on several combinatorial problems. Lastly, we discuss limitations of the proposed non-elitist algorithm and suggest possible future research directions.
• Abstract（参考訳）: 1990年代後半にMOEA (Multi-objective Evolution Algorithm) を導入して以来、旧来の人口から最高の解決策を保存し、新しい人口を創出するエリティズムは、人口の更新にデフォルトの手段となっている。 本稿では,自民主義を捨てることによって,MOEAの人口更新を行うための反対の視点を採る。 すなわち、新たに生成した解を直接新しい人口として扱う(つまり、すべての選択圧力は交配選択から生じる)。 多様性に関わる選択基準を伴わずに,Paretoの優位性ソートのみを用いてソリューションを比較する,単純な非楕円MOEA(NE-MOEA)を提案する。 予備実験の結果,ne-moeaはいくつかの組合せ問題においてよく知られたエリートmoeas (nsga-ii, sms-emoa, nsga-iii) と競合することが示された。 最後に,提案アルゴリズムの限界について議論し,今後の研究方向性を提案する。

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)
• Stochastic Population Update Can Provably Be Helpful in Multi-Objective Evolutionary Algorithms [25.397640314100144]
  人口更新は多目的進化アルゴリズムの鍵となるコンポーネントである。 人口の更新はMOEAの探索に有用であることを示す。
  論文  参考訳（メタデータ） (2023-06-05T05:54:56Z)
• Adaptive Identification of Populations with Treatment Benefit in Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
  確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。 サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
  論文  参考訳（メタデータ） (2022-08-11T14:27:49Z)
• Towards Explainable Metaheuristic: Mining Surrogate Fitness Models for Importance of Variables [69.02115180674885]
  4つのベンチマーク問題を用いて代理モデルを訓練し、代理モデルによる探索空間の学習について検討する。 代々の人口データに基づいて学習した結果,サロゲートモデルが問題の鍵となる特徴を抽出できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-31T09:16:18Z)
• 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)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Benchmarking Subset Selection from Large Candidate Solution Sets in Evolutionary Multi-objective Optimization [6.544757635738911]
  進化的多目的最適化(EMO)の分野では、EMOアルゴリズムの最終個体群を出力として提示する。 近年,アーカイブの進化中に生成したすべての非支配的ソリューションを格納することで,この問題を解決するための新しい EMO フレームワークが提案されている。 本稿では,大規模候補解集合からのサブセット選択のためのベンチマークテストスイートを提案する。
  論文  参考訳（メタデータ） (2022-01-18T02:09:08Z)
• 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$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• Bloom Origami Assays: Practical Group Testing [90.2899558237778]
  グループテストは、いくつかの魅力的なソリューションでよく研究されている問題である。 近年の生物学的研究は、従来の方法と相容れない新型コロナウイルスの実践的な制約を課している。 我々は,Bloomフィルタと信条伝搬を組み合わせた新しい手法を開発し,n(100以上)の大きい値に拡張し,良好な経験的結果を得る。
  論文  参考訳（メタデータ） (2020-07-21T19:31:41Z)
• Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
  本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。 MoHAEAは、MOEA/D、pa$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)
• Differential Evolution with Reversible Linear Transformations [8.873449722727026]
  本稿では,3重項解に適用した可逆線形変換を利用して,新しい候補解を生成することを提案する。 言い換えれば、新生個体を適合性を評価することなく利用することで人口を拡大する。
  論文  参考訳（メタデータ） (2020-02-07T16:05:54Z)

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。