論文の概要: Neural Multi-Objective Combinatorial Optimization with Diversity Enhancement

• arxiv url: http://arxiv.org/abs/2310.15195v1
• Date: Sun, 22 Oct 2023 08:50:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 22:44:47.198768
• Title: Neural Multi-Objective Combinatorial Optimization with Diversity Enhancement
• Title（参考訳）: 多様性を向上したニューラル多目的組合せ最適化
• Authors: Jinbiao Chen, Zizhen Zhang, Zhiguang Cao, Yaoxin Wu, Yining Ma, Te Ye, Jiahai Wang
• Abstract要約: 本稿では,多目的最適化(MOCO)問題に対するダイバーシティ強化(NHDE)を新たに提案する。 NHDEは、多様性の高いParetoフロントを生成することができ、それによって全体的なパフォーマンスを向上できることを示す。 我々のNHDEは汎用的であり、MOCOの異なるニューラルメソッドに適用できる。
• 参考スコア（独自算出の注目度）: 33.28756549307025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of existing neural methods for multi-objective combinatorial optimization (MOCO) problems solely rely on decomposition, which often leads to repetitive solutions for the respective subproblems, thus a limited Pareto set. Beyond decomposition, we propose a novel neural heuristic with diversity enhancement (NHDE) to produce more Pareto solutions from two perspectives. On the one hand, to hinder duplicated solutions for different subproblems, we propose an indicator-enhanced deep reinforcement learning method to guide the model, and design a heterogeneous graph attention mechanism to capture the relations between the instance graph and the Pareto front graph. On the other hand, to excavate more solutions in the neighborhood of each subproblem, we present a multiple Pareto optima strategy to sample and preserve desirable solutions. Experimental results on classic MOCO problems show that our NHDE is able to generate a Pareto front with higher diversity, thereby achieving superior overall performance. Moreover, our NHDE is generic and can be applied to different neural methods for MOCO.
• Abstract（参考訳）: 多目的組合せ最適化(MOCO)問題に対する既存のニューラルメソッドの多くは、分解のみに依存しており、しばしば各サブプロブレムに対する反復解が導かれるため、パレート集合は限定的である。 本稿では,2つの観点からよりパレートな解を生成するために,多様性向上を伴うニューラルヒューリスティックを提案する。 一方,異なる部分問題に対する重複解を阻害するために,モデル誘導のためのインジケータ強調深層強化学習法を提案し,インスタンスグラフとparetoフロントグラフの関係を捉える異種グラフ注意機構を設計する。 一方,各サブプロブレム近傍のより多くの解を発掘するために,望ましい解をサンプリングし保存する複数のパレートオプティマ戦略を提案する。 従来のMOCO問題に対する実験結果から, NHDEはより多様性の高いパレートフロントを生成でき, 全体的な性能が向上することが示された。 さらに、NHDEは汎用的であり、MOCOの異なるニューラルメソッドにも適用できる。

関連論文リスト

• Towards Geometry-Aware Pareto Set Learning for Neural Multi-Objective Combinatorial Optimization [19.631213689157995]
  多目的多様性最適化(MOCO)問題は、様々な現実世界の応用で広く用いられている。 既存のほとんどのニューラルMOCO法は、MOCO問題を一連のSinge-Objective diversity enhancement (SOCO)問題に変換するために問題に依存する。 これらの手法はしばしば、不明瞭で時間を要する正確な超体積計算のため、前面の部分領域を近似する。
  論文  参考訳（メタデータ） (2024-05-14T13:42:19Z)
• 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)
• 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)
• Multi-Objective GFlowNets [59.16787189214784]
  本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。 薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
  論文  参考訳（メタデータ） (2022-10-23T16:15:36Z)
• A Pareto-optimal compositional energy-based model for sampling and optimization of protein sequences [55.25331349436895]
  深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。 これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
  論文  参考訳（メタデータ） (2022-10-19T19:04:45Z)
• Pareto Set Learning for Neural Multi-objective Combinatorial Optimization [6.091096843566857]
  多目的最適化(MOCO)の問題は、現実世界の多くのアプリケーションで見られる。 我々は,与えられたMOCO問題に対するパレート集合全体を,探索手順を伴わずに近似する学習ベースアプローチを開発した。 提案手法は,多目的走行セールスマン問題,マルチコンディショニング車両ルーティング問題,複数クナップサック問題において,ソリューションの品質,速度,モデル効率の面で,他の方法よりも優れていた。
  論文  参考訳（メタデータ） (2022-03-29T09:26:22Z)
• Application of Compromising Evolution in Multi-objective Image Error Concealment [0.0]
  The Compromising Evolution Method is proposed to modified the Simple Genetic Algorithm by using the concept of compromise。 シミュレーション結果は,画像誤り隠蔽のケーススタディにおいて,多目的最適化を解く手法のパワーを示す。
  論文  参考訳（メタデータ） (2020-11-11T15:22:23Z)
• 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)
• Taxonomy of Dual Block-Coordinate Ascent Methods for Discrete Energy Minimization [96.1052289276254]
  離散的グラフィカルモデルにおける最大姿勢推定問題と、二重ブロック座標法に基づく解法について考察する。 既存のすべてのソルバをひとつのフレームワークにマッピングし、設計原則をより深く理解できるようにします。
  論文  参考訳（メタデータ） (2020-04-16T15:49:13Z)
• GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal Black Box Constraint Satisfaction [69.94831587339539]
  本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。 我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
  論文  参考訳（メタデータ） (2020-02-17T20:21:20Z)

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。