論文の概要: Reachability Analysis for Lexicase Selection via Community Assembly Graphs

• arxiv url: http://arxiv.org/abs/2309.10973v1
• Date: Wed, 20 Sep 2023 00:16:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-21 13:16:44.543545
• Title: Reachability Analysis for Lexicase Selection via Community Assembly Graphs
• Title（参考訳）: コミュニティアセンブリグラフによる語彙選択の到達可能性解析
• Authors: Emily Dolson and Alexander Lalejini
• Abstract要約: フィトネスランドスケープは、進化的アルゴリズムによって探索された検索空間を解析するための強力なツールとして歴史的に使われてきた。 本稿では,この問題を解決するために,エコロジーからツールを借りることを提案する。 本手法が複雑な遺伝的プログラミング問題に適用可能であることを実証する。
• 参考スコア（独自算出の注目度）: 56.16884466478886
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fitness landscapes have historically been a powerful tool for analyzing the search space explored by evolutionary algorithms. In particular, they facilitate understanding how easily reachable an optimal solution is from a given starting point. However, simple fitness landscapes are inappropriate for analyzing the search space seen by selection schemes like lexicase selection in which the outcome of selection depends heavily on the current contents of the population (i.e. selection schemes with complex ecological dynamics). Here, we propose borrowing a tool from ecology to solve this problem: community assembly graphs. We demonstrate a simple proof-of-concept for this approach on an NK Landscape where we have perfect information. We then demonstrate that this approach can be successfully applied to a complex genetic programming problem. While further research is necessary to understand how to best use this tool, we believe it will be a valuable addition to our toolkit and facilitate analyses that were previously impossible.
• Abstract（参考訳）: フィトネスランドスケープは歴史的に進化的アルゴリズムによって探索された探索空間を分析する強力なツールである。 特にそれらは、与えられた出発点から最適解がどの程度容易に到達できるかを理解するのに役立ちます。 しかし、単純なフィットネスランドスケープは、選択結果が人口の現在の内容(複雑な生態力学を持つ選択スキーム)に大きく依存する語彙選択のような選択スキームによって見られる検索空間を分析するのに不適切である。 本稿では,この問題を解決するために,エコロジーからツールを借りることを提案する。 完全な情報を持つNKランドスケープ上で,このアプローチの簡単な概念実証を行う。 そして、このアプローチが複雑な遺伝的プログラミング問題にうまく適用できることを実証する。 このツールの最良の使用方法を理解するには、さらなる研究が必要ですが、ツールキットに価値ある追加であり、これまで不可能だった分析が容易になると考えています。

関連論文リスト

• Bridging Visualization and Optimization: Multimodal Large Language Models on Graph-Structured Combinatorial Optimization [56.17811386955609]
  グラフ構造上の課題は、その非線形で複雑な性質のために本質的に困難である。 本研究では,高次構造的特徴を正確に保存するために,グラフを画像に変換する手法を提案する。 マルチモーダルな大規模言語モデルと単純な検索手法を組み合わせた革新的なパラダイムを生かし、新しい効果的なフレームワークを開発することを目指す。
  論文  参考訳（メタデータ） (2025-01-21T08:28:10Z)
• ParetoLens: A Visual Analytics Framework for Exploring Solution Sets of Multi-objective Evolutionary Algorithms [42.23658218722045]
  本稿では,進化的アルゴリズムから導出した解集合の検査と探索を強化するための視覚分析フレームワークを提案する。 ParetoLensは、インタラクティブな視覚表現のスイートを通じて、決定空間と目的空間の両方における解分布の詳細な検査を可能にする。
  論文  参考訳（メタデータ） (2025-01-06T09:04:14Z)
• Optimizing Feature Selection with Genetic Algorithms: A Review of Methods and Applications [4.395397502990339]
  遺伝的アルゴリズム (GA) は, 局所最適化を回避し, 選択プロセス自体を改善することで, 欠点に対する対策として提案されている。 本論文では,アプリケーションにおけるGAベースの特徴選択技術とその適用性について概観する。
  論文  参考訳（メタデータ） (2024-09-05T22:28:42Z)
• 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)
• A machine learning framework for neighbor generation in metaheuristic search [4.521119623956821]
  メタヒューリスティック検索における近隣世代のための汎用機械学習フレームワークを提案する。 メタヒューリスティックな2つの応用法について検証する。
  論文  参考訳（メタデータ） (2022-12-22T01:58:04Z)
• Active Exploration via Experiment Design in Markov Chains [86.41407938210193]
  科学と工学における重要な課題は、未知の量の興味について学ぶために実験を設計することである。 本稿では,最適値に収束したポリシを効率的に選択するアルゴリズムを提案する。 理論分析に加えて,生態モニタリングと薬理学の応用に関する枠組みを概説する。
  論文  参考訳（メタデータ） (2022-06-29T00:04:40Z)
• A Nature-Inspired Feature Selection Approach based on Hypercomplex Information [4.733222697135021]
  超複合機能選択にメタヒューリスティック最適化フレームワークを導入する。 目的とする超複素特徴選択は、いくつかのメタヒューリスティックアルゴリズムと超複素表現に対してテストされる。 提案手法によって得られた良い結果は,特徴選択研究において有望なツールとなる。
  論文  参考訳（メタデータ） (2021-01-14T15:05:13Z)
• Finding the Homology of Decision Boundaries with Active Learning [26.31885403636642]
  本稿では,意思決定境界のホモロジーを回復するための能動的学習アルゴリズムを提案する。 我々のアルゴリズムは、ラベルを必要とするサンプルを逐次かつ適応的に選択する。 いくつかのデータセットの実験では、ホモロジーを回復する際のサンプルの複雑さの改善が示されている。
  論文  参考訳（メタデータ） (2020-11-19T04:22:06Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)
• A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
  固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。 我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
  論文  参考訳（メタデータ） (2020-06-22T08:35:58Z)

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。