論文の概要: On Cooperative Coevolution and Global Crossover
- arxiv url: http://arxiv.org/abs/2308.06581v2
- Date: Mon, 15 Jan 2024 12:03:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 01:58:38.843090
- Title: On Cooperative Coevolution and Global Crossover
- Title（参考訳）: 協調共進化とグローバルクロスオーバーについて
- Authors: Larry Bull and Haixia Liu
- Abstract要約: フィットネスランドスケープのよく知られたNKモデルを用いて、基礎となるフィットネスランドスケープの頑丈さに対するグローバルクロスオーバーの様々な側面の影響を探索する。
その結果、最も広く使われているCCEAよりも改善が示唆され、他のよく知られたテスト関数を使ってさらに実証された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cooperative coevolutionary algorithms (CCEAs) divide a given problem in to a
number of subproblems and use an evolutionary algorithm to solve each
subproblem. This short paper is concerned with the scenario under which only a
single, global fitness measure exists. By removing the typically used
subproblem partnering mechanism, it is suggested that such CCEAs can be viewed
as making use of a generalised version of the global crossover operator
introduced in early Evolution Strategies. Using the well-known NK model of
fitness landscapes, the effects of varying aspects of global crossover with
respect to the ruggedness of the underlying fitness landscape are explored.
Results suggest improvements over the most widely used form of CCEAs, something
further demonstrated using other well-known test functions.
- Abstract（参考訳）: 協調共進化アルゴリズム(CCEA)は、与えられた問題を複数のサブプロブレムに分割し、進化アルゴリズムを用いて各サブプロブレムを解く。
この短い論文は、単一のグローバルなフィットネス指標しか存在しないシナリオに関するものである。
一般的なサブプロブレムパートナー機構を取り除くことで、そのようなcceasは初期の進化戦略で導入されたグローバルクロスオーバー演算子の一般化版であると見なすことができる。
フィットネスランドスケープのよく知られたNKモデルを用いて、基礎となるフィットネスランドスケープの頑丈さに対するグローバルクロスオーバーの様々な側面の影響を探索する。
その結果、最も広く使われているCCEAよりも改善が示唆され、他のよく知られたテスト関数を使ってさらに実証された。
関連論文リスト
- A Greedy Strategy for Graph Cut [95.2841574410968]
GGCと呼ばれるグラフカットの問題を解決するための欲求戦略を提案する。
これは、各データサンプルがクラスタと見なされる状態から始まり、2つのクラスタを動的にマージする。
GGCはサンプル数に関してほぼ線形な計算複雑性を持つ。
論文 参考訳（メタデータ） (2024-12-28T05:49:42Z) - Generalize or Detect? Towards Robust Semantic Segmentation Under Multiple Distribution Shifts [56.57141696245328]
斬新なクラスとドメインの両方が存在するようなオープンワールドシナリオでは、理想的なセグメンテーションモデルは安全のために異常なクラスを検出する必要がある。
既存の方法はドメインレベルとセマンティックレベルの分散シフトを区別するのに苦労することが多い。
論文 参考訳（メタデータ） (2024-11-06T11:03:02Z) - UDC: A Unified Neural Divide-and-Conquer Framework for Large-Scale Combinatorial Optimization Problems [8.871356150316224]
2段階のニューラル手法は、大規模なCO問題に対処する際の効率性を示している。
本稿では,一般の大規模CO問題の解法として,統一型ニューラルディバイド・アンド・コンカー・フレームワーク(UDC)を開発する。
論文 参考訳（メタデータ） (2024-06-29T04:29:03Z) - A Fitness-assignment Method for Evolutionary Constrained Multi-objective Optimization [5.757908778750608]
IcSDE+と呼ばれる単一人口適応型CMOEAを提案する。
IcSDE+は制約違反(c)、シフトベース密度推定(SDE)、目的の和(+)の効率的な融合である
IcSDE+の性能は、異なる特徴を持つ6つのベンチマークスイート上の9つの最先端CMOEAと比較して好意的に比較される。
論文 参考訳（メタデータ） (2023-05-30T04:19:01Z) - Towards Generalizable Person Re-identification with a Bi-stream
Generative Model [81.0989316825134]
そこで我々は,BGM (Bi-stream Generative Model) を提案する。
提案手法は,大規模な一般化可能なre-IDベンチマークにおいて,最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2022-06-19T09:18:25Z) - RACA: Relation-Aware Credit Assignment for Ad-Hoc Cooperation in
Multi-Agent Deep Reinforcement Learning [55.55009081609396]
本稿では、アドホックな協調シナリオにおいてゼロショットの一般化を実現するRACA(Relation-Aware Credit Assignment)と呼ばれる新しい手法を提案する。
RACAは、エージェント間のトポロジ構造を符号化するために、グラフベースのエンコーダ関係を利用する。
提案手法は,StarCraftIIマイクロマネジメントベンチマークとアドホック協調シナリオのベースライン手法よりも優れている。
論文 参考訳（メタデータ） (2022-06-02T03:39:27Z) - cMLSGA: A Co-Evolutionary Multi-Level Selection Genetic Algorithm for
Multi-Objective Optimization [0.0]
MLSGA(Multi-Level Selection Genetic Algorithm)は、すでに様々な問題に対して優れた性能を示している。
本稿では,共進化を個人ではなく集団間の競争として定義する,個別の共進化機構を提案する。
論文 参考訳（メタデータ） (2021-04-22T13:52:21Z) - Heterogeneous Domain Generalization via Domain Mixup [0.0]
深層畳み込みニューラルネットワーク(DCNN)の主な欠点の1つは、一般化能力の欠如である。
本稿では,複数のソース領域にサンプルを混在させることにより,新しいヘテロジニアス領域の一般化手法を提案する。
The Visual Decathlon benchmark on the experimental results showed the effective of our method。
論文 参考訳（メタデータ） (2020-09-11T13:53:56Z) - On the Combined Impact of Population Size and Sub-problem Selection in
MOEA/D [3.9718293469225334]
ランダムなサブプロブレムを選択する単純なランダム戦略でさえ、既存の戦略より優れていることを示す。
また,このような戦略の頑丈さと対象問題の目的空間次元に対する感度について検討した。
論文 参考訳（メタデータ） (2020-04-15T09:13:32Z) - Heterogeneous Network Representation Learning: A Unified Framework with
Survey and Benchmark [57.10850350508929]
我々は、異種ネットワーク埋め込み(HNE)に関する既存の研究を要約し、評価するための統一的なフレームワークを提供することを目指している。
最初のコントリビューションとして、既存のHNEアルゴリズムのメリットを体系的に分類し分析するための一般的なパラダイムを提供する。
第2のコントリビューションとして、さまざまなソースから、スケール、構造、属性/ラベルの可用性などに関するさまざまな特性を備えた4つのベンチマークデータセットを作成します。
第3のコントリビューションとして、13の人気のあるHNEアルゴリズムに対するフレンドリなインターフェースを作成し、複数のタスクと実験的な設定に対して、それらの全周比較を提供する。
論文 参考訳（メタデータ） (2020-04-01T03:42:11Z) - A Unified Theory of Decentralized SGD with Changing Topology and Local
Updates [70.9701218475002]
分散通信方式の統一収束解析を導入する。
いくつかの応用に対して普遍収束率を導出する。
私たちの証明は弱い仮定に依存している。
論文 参考訳（メタデータ） (2020-03-23T17:49:15Z)
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。