論文の概要: Improved Solution Search Performance of Constrained MOEA/D Hybridizing
Directional Mating and Local Mating
- arxiv url: http://arxiv.org/abs/2307.13013v1
- Date: Mon, 24 Jul 2023 15:32:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 19:21:36.305894
- Title: Improved Solution Search Performance of Constrained MOEA/D Hybridizing
Directional Mating and Local Mating
- Title（参考訳）: 拘束型MOEA/Dハイブリダイゼーションによる方向整合と局所整合の解探索性能の改善
- Authors: Masahiro Kanazaki, Takeharu Toyoda
- Abstract要約: 直接交配方法は、第1の親が選択された後、目的空間の最適方向に沿って他方の親を選択する。
第1親からの最適方向が支配するより良い解が欠如しているため、生成が進むにつれて直接交配が困難になる。
そこで本研究では,親の近辺から親を選択するために,局所的交配を用いたハイブリッド手法を提案する。
- 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: In this study, we propose an improvement to the direct mating method, a
constraint handling approach for multi-objective evolutionary algorithms, by
hybridizing it with local mating. Local mating selects another parent from the
feasible solution space around the initially selected parent. The direct mating
method selects the other parent along the optimal direction in the objective
space after the first parent is selected, even if it is infeasible. It shows
better exploration performance for constraint optimization problems with
coupling NSGA-II, but requires several individuals along the optimal direction.
Due to the lack of better solutions dominated by the optimal direction from the
first parent, direct mating becomes difficult as the generation proceeds. To
address this issue, we propose a hybrid method that uses local mating to select
another parent from the neighborhood of the first selected parent, maintaining
diversity around good solutions and helping the direct mating process. We
evaluate the proposed method on three mathematical problems with unique Pareto
fronts and two real-world applications. We use the generation histories of the
averages and standard deviations of the hypervolumes as the performance
evaluation criteria. Our investigation results show that the proposed method
can solve constraint multi-objective problems better than existing methods
while maintaining high diversity.
- Abstract（参考訳）: 本研究では,多目的進化アルゴリズムに対する制約処理手法であるdirect mating法の改良を,局所的交配法とハイブリダイズすることにより提案する。
局所交配は、初期選択された親の周りの実現可能な解空間から別の親を選択する。
直接交配方法は、第1の親が選択された後も、目的空間の最適方向に沿って他の親を選択する。
NSGA-IIを結合した制約最適化問題の探索性能が向上するが、最適方向に複数の個人を必要とする。
第1親からの最適方向が支配するより良い解がないため、生成が進むにつれて直接交配が困難になる。
この問題に対処するため,我々は,親が選択した親の近傍から親を選別し,良質な解の多様性を維持し,直接交配プロセスを支援するハイブリッド手法を提案する。
提案手法は, パレート面が一意な3つの数学的問題と, 実世界の2つの応用について評価する。
性能評価基準として,ハイパーボリュームの平均値と標準偏差の生成履歴を用いた。
提案手法は,高い多様性を維持しつつ,既存の手法よりも優れた制約多目的問題を解決できることを示す。
関連論文リスト
- Rethinking Selection in Generational Genetic Algorithms to Solve Combinatorial Optimization Problems: An Upper Bound-based Parent Selection Strategy for Recombination [0.0]
本研究は、アッパーバウンドベース親選択(UBS)と呼ばれる世代GA設定における組換え決定論的親選択戦略を提案する。
具体的には、UBS戦略の一環として、MABフレームワークと修正 UCB1アルゴリズムを用いて親選択問題を定式化し、探索と利用を管理する。
従来の選択戦略と比較してUBSの有効性を示すため,チームオリエンテーリングと2次割り当ての2つのNPハード最適化問題について検討した。
論文 参考訳（メタデータ） (2024-10-04T18:56:34Z) - Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。
赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
論文 参考訳（メタデータ） (2024-06-21T05:57:08Z) - UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。
重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。
学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文 参考訳（メタデータ） (2024-05-01T09:34:42Z) - Learning Constrained Optimization with Deep Augmented Lagrangian Methods [54.22290715244502]
機械学習(ML)モデルは、制約付き最適化ソルバをエミュレートするために訓練される。
本稿では,MLモデルを用いて2つの解推定を直接予測する手法を提案する。
これにより、双対目的が損失関数であるエンドツーエンドのトレーニングスキームと、双対上昇法をエミュレートした原始的実現可能性への解推定を可能にする。
論文 参考訳（メタデータ） (2024-03-06T04:43:22Z) - Data-Efficient Interactive Multi-Objective Optimization Using ParEGO [6.042269506496206]
多目的最適化は、競合する目的間の最適なトレードオフを提供する非支配的なソリューションの集合を特定することを目的としている。
実践的な応用では、意思決定者(DM)は実装すべき好みに合わせて単一のソリューションを選択する。
そこで本稿では,パレートフロントの最も好まれる領域を,高コストで評価できる2つの新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-12T15:55:51Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Online Control of Adaptive Large Neighborhood Search using Deep Reinforcement Learning [4.374837991804085]
DR-ALNSと呼ばれる深層強化学習に基づくアプローチを導入し、演算子を選択し、パラメータを調整し、検索全体を通して受け入れ基準を制御する。
提案手法は,IJCAIコンペティションで提示されたオリエンテーリングウェイトと時間窓の問題に対して評価する。
その結果,本手法はバニラALNSよりも優れており,ALNSはベイジアン最適化と2つの最先端DRLアプローチに適合していることがわかった。
論文 参考訳（メタデータ） (2022-11-01T21:33:46Z) - Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。
本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文 参考訳（メタデータ） (2022-01-28T05:53:28Z) - Attention-oriented Brain Storm Optimization for Multimodal Optimization
Problems [24.38312890501329]
本稿では,アテンション指向のブレインストーム最適化(ABSO)手法を提案し,アテンション機構を比較的新しいスワムインテリジェンスアルゴリズムに導入する。
一つの大域的最適解に収束するのではなく, 提案手法は探索手順を導出し, 複数の「安定」解に収束させる。
論文 参考訳（メタデータ） (2021-05-27T12:47:57Z) - Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。
提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文 参考訳（メタデータ） (2020-07-14T09:50:33Z) - Ensuring smoothly navigable approximation sets by Bezier curve
parameterizations in evolutionary bi-objective optimization -- applied to
brachytherapy treatment planning for prostate cancer [0.0]
決定空間における滑らかなベジエ曲線として近似集合をパラメータ化する場合について検討する。
高品質な近似集合をBezEAで得ることができ、時には支配とUHVに基づくアルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-11T13:57:33Z)
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。