論文の概要: On the Impact of Operators and Populations within Evolutionary Algorithms for the Dynamic Weighted Traveling Salesperson Problem

• arxiv url: http://arxiv.org/abs/2305.18955v1
• Date: Tue, 30 May 2023 11:39:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 16:41:25.282368
• Title: On the Impact of Operators and Populations within Evolutionary Algorithms for the Dynamic Weighted Traveling Salesperson Problem
• Title（参考訳）: ダイナミックウェイト旅行セールスマン問題に対する進化アルゴリズムにおけるオペレーターと人口の影響について
• Authors: Jakob Bossek, Aneta Neumann, Frank Neumann
• Abstract要約: 動的環境におけるノード重み付け販売員問題(W-TSP)について検討する。 問題の動的設定では、時間とともにTSPツアーの一部として収集されるアイテムが変更される。 最初の実験では,このような変化がツアーの最適化に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 13.026567958569965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evolutionary algorithms have been shown to obtain good solutions for complex optimization problems in static and dynamic environments. It is important to understand the behaviour of evolutionary algorithms for complex optimization problems that also involve dynamic and/or stochastic components in a systematic way in order to further increase their applicability to real-world problems. We investigate the node weighted traveling salesperson problem (W-TSP), which provides an abstraction of a wide range of weighted TSP problems, in dynamic settings. In the dynamic setting of the problem, items that have to be collected as part of a TSP tour change over time. We first present a dynamic setup for the dynamic W-TSP parameterized by different types of changes that are applied to the set of items to be collected when traversing the tour. Our first experimental investigations study the impact of such changes on resulting optimized tours in order to provide structural insights of optimization solutions. Afterwards, we investigate simple mutation-based evolutionary algorithms and study the impact of the mutation operators and the use of populations with dealing with the dynamic changes to the node weights of the problem.
• Abstract（参考訳）: 進化的アルゴリズムは、静的および動的環境における複雑な最適化問題に対する優れた解が得られることが示されている。 動的および確率的要素を体系的に含む複雑な最適化問題に対する進化的アルゴリズムの振る舞いを理解することは、実世界問題への適用性をさらに高めるために重要である。 本研究では,多様な重み付きTSP問題を動的設定で抽象化するノード重み付き旅行セールスパー問題 (W-TSP) について検討する。 問題の動的設定では、時間とともにTSPツアーの一部として収集されるアイテムが変更される。 まず,ツアーの進行時に収集するアイテムの集合に適用される変化の種類によってパラメータ化される動的W-TSPの動的セットアップについて述べる。 最初の実験では、最適化ソリューションの構造的洞察を提供するために、これらの変化が結果の最適化ツアーに与える影響について検討した。 その後、簡単な突然変異に基づく進化アルゴリズムを検証し、突然変異演算子の影響と、問題のノード重みの動的変化に対処する集団の利用について検討する。

関連論文リスト

• An Adaptive Metaheuristic Framework for Changing Environments [0.0]
  本稿では動的環境向けに設計された適応メタヒューリスティックフレームワーク(AMF)を紹介する。 AMFは、問題の動的表現、リアルタイムセンシングシステム、適応技術を組み合わせて、継続的に変化する最適化環境をナビゲートする。
  論文  参考訳（メタデータ） (2024-04-18T13:47:53Z)
• Dual-Space Optimization: Improved Molecule Sequence Design by Latent Prompt Transformer [78.47949363282868]
  本稿では,遅延空間サンプリングとデータ空間選択を統合したDual-Space Optimization (DSO)法を提案する。 DSOは、生成モデルと合成データを所望のプロパティ値の領域にシフトさせる最適化プロセスにおいて、潜在空間生成モデルと合成データセットを反復的に更新する。 提案手法の有効性を実証し, 単一目的, 多目的, 制約された分子設計タスクにまたがる新しい性能ベンチマークを設定した。
  論文  参考訳（メタデータ） (2024-02-27T03:33:23Z)
• AbCD: A Component-wise Adjustable Framework for Dynamic Optimization Problems [49.1574468325115]
  動的最適化問題 (DOP) は、常に発生し、現実の応用に共通するフィットネス環境の変化によって特徴づけられる。 我々は、動的問題のための調整可能なコンポーネント(AbCD)と呼ばれるDOPのためのコンポーネント指向フレームワークを開発する。 この結果から,アルゴリズムやコンポーネントの今後の発展に対処する必要があるDOP分野の既存の課題が浮き彫りになる。
  論文  参考訳（メタデータ） (2023-10-09T08:11:31Z)
• Multiobjective Evolutionary Component Effect on Algorithm behavior [0.04588028371034406]
  パフォーマンス改善につながる最も影響力のあるコンポーネントは何かは不明だ。 この手法を,反復レース (irace) 構成パッケージによって設計された分解(MOEA/D)に基づくチューニング多目的進化アルゴリズムに適用する。 本稿では,検索トラジェクトリ・ネットワーク(STN),人口の多様性,時空の超体積値について,アルゴリズム成分の影響を比較した。
  論文  参考訳（メタデータ） (2023-07-31T16:02:56Z)
• Optimistic Active Exploration of Dynamical Systems [52.91573056896633]
  我々はOPAXと呼ばれる活発な探索のためのアルゴリズムを開発した。 我々は,OPAXを各エピソードで解決可能な最適制御問題に還元する方法を示す。 実験の結果,OPAXは理論的に健全であるだけでなく,新規な下流タスクのゼロショット計画にも有効であることがわかった。
  論文  参考訳（メタデータ） (2023-06-21T16:26:59Z)
• Reproducibility and Baseline Reporting for Dynamic Multi-objective Benchmark Problems [4.859986264602551]
  本稿では,DMOPのパラメータのシミュレーション実験について述べる。 動的アルゴリズム評価のためのベースラインスキーマを導入する。 目的構築された動的アルゴリズムが有用であるために必要な最小限の能力を確立することができる。
  論文  参考訳（メタデータ） (2022-04-08T15:50:17Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)
• 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)
• Dynamic Regret of Policy Optimization in Non-stationary Environments [120.01408308460095]
  我々は,POWERとPOWER++の2つのモデルフリーポリシー最適化アルゴリズムを提案し,その動的後悔の保証を確立する。 我々はPOWER++が動的後悔の第2の構成要素であるPOWERよりも優れており、予測によって非定常性に積極的に適応していることを示す。 我々の知識を最大限に活用するために、我々の研究は、非定常環境におけるモデルフリーなRLアルゴリズムの、最初の動的後悔分析である。
  論文  参考訳（メタデータ） (2020-06-30T23:34:37Z)
• The Dynamic Travelling Thief Problem: Benchmarks and Performance of Evolutionary Algorithms [12.973161516101806]
  本稿では、サブコンポーネントに対する動的変化の影響の研究を可能にするために、トラベリング・ティーフ問題に基づくいくつかのシナリオを定義します。 72のシナリオと7つのアルゴリズムに関する調査では、インスタンス、変更の規模、ポートフォリオ内のアルゴリズムによって、最適化をゼロから再開するか、これまで有効なソリューションを継続するかが好まれます。
  論文  参考訳（メタデータ） (2020-04-25T02:54:17Z)
• Dynamic Multi-objective Optimization of the Travelling Thief Problem [4.859986264602551]
  現実的なシナリオを反映した詳細かつ複雑な最適化問題の定式化の研究は、急成長する研究分野である。 トラベリング・ティーフ問題(Traveling Thief Problem)には、多目的の定式化や、それを解決するための正確で近似的な方法の比較を含む、増大する作業体が存在する。 TTP問題の3つの領域におけるダイナミックスの定義には、都市部、アベイラビリティマップ、アイテム値がある。 動的変化に応答して, 溶液生成法を混合して複合集団を提供する組み合わせアプローチは, 動的TTP定式化の異なるインスタンスにおいて, 性能を向上する。
  論文  参考訳（メタデータ） (2020-02-07T06:33:05Z)

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。