論文の概要: Evolutionary Alternating Direction Method of Multipliers for Constrained
Multi-Objective Optimization with Unknown Constraints
- arxiv url: http://arxiv.org/abs/2401.00978v1
- Date: Tue, 2 Jan 2024 00:38:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 14:57:29.188494
- Title: Evolutionary Alternating Direction Method of Multipliers for Constrained
Multi-Objective Optimization with Unknown Constraints
- Title（参考訳）: 未知制約を持つ制約付き多目的最適化のための乗算器の進化交代方向法
- Authors: Shuang Li, Ke Li, Wei Li, Ming Yang
- Abstract要約: 制約付き多目的最適化問題(CMOP)は、科学、工学、設計における現実世界の応用に及んでいる。
本稿では,目的関数と制約関数を分離する乗算器の交互方向法の原理に着想を得た,この種の進化的最適化フレームワークについて紹介する。
本研究の枠組みは,元の問題を2つのサブプロブレムの付加形式に再構成することで,未知の制約でCMOPに対処する。
- 参考スコア（独自算出の注目度）: 17.392113376816788
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Constrained multi-objective optimization problems (CMOPs) pervade real-world
applications in science, engineering, and design. Constraint violation has been
a building block in designing evolutionary multi-objective optimization
algorithms for solving constrained multi-objective optimization problems.
However, in certain scenarios, constraint functions might be unknown or
inadequately defined, making constraint violation unattainable and potentially
misleading for conventional constrained evolutionary multi-objective
optimization algorithms. To address this issue, we present the first of its
kind evolutionary optimization framework, inspired by the principles of the
alternating direction method of multipliers that decouples objective and
constraint functions. This framework tackles CMOPs with unknown constraints by
reformulating the original problem into an additive form of two subproblems,
each of which is allotted a dedicated evolutionary population. Notably, these
two populations operate towards complementary evolutionary directions during
their optimization processes. In order to minimize discrepancy, their
evolutionary directions alternate, aiding the discovery of feasible solutions.
Comparative experiments conducted against five state-of-the-art constrained
evolutionary multi-objective optimization algorithms, on 120 benchmark test
problem instances with varying properties, as well as two real-world
engineering optimization problems, demonstrate the effectiveness and
superiority of our proposed framework. Its salient features include faster
convergence and enhanced resilience to various Pareto front shapes.
- Abstract（参考訳）: 制約付き多目的最適化問題 (cmops) は、科学、工学、設計における現実世界の応用を広める。
制約違反は、制約付き多目的最適化問題を解決するための進化的多目的最適化アルゴリズムを設計する上で重要なブロックである。
しかし、あるシナリオでは制約関数が未知あるいは不適切に定義され、従来の制約付き進化的多目的最適化アルゴリズムに対して制約違反が達成不可能で誤解を招く可能性がある。
本稿では,目的関数と制約関数を分離する乗算器の交互方向法(alternating direction method of multipliers)の原理に触発された,最初の進化最適化フレームワークを提案する。
この枠組みは、未知の制約を持つcmopsに対処し、元の問題を2つのサブプロブレムの加法形式に再構成し、それぞれに専用の進化集団を割り当てる。
この2つの個体群は最適化過程において相補的な進化方向に向かって機能する。
矛盾を最小限に抑えるために、それらの進化方向は交互に変化し、実現可能な解の発見を助ける。
提案手法の有効性と優位性を実証するために, 最先端の制約付き進化的多目的最適化アルゴリズム5つ, 様々な特性を持つ120のベンチマークテスト問題インスタンスと, 実世界の2つの工学的最適化問題の比較実験を行った。
その突出した特徴は、より高速な収束と様々なパレート前面形状への弾力性の向上である。
関連論文リスト
- Double Duality: Variational Primal-Dual Policy Optimization for
Constrained Reinforcement Learning [132.7040981721302]
本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。
制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
論文 参考訳（メタデータ） (2024-02-16T16:35:18Z) - Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process
Optimization [59.45414406974091]
我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。
NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。
その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
論文 参考訳（メタデータ） (2023-05-31T12:07:50Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - Do We Really Need to Use Constraint Violation in Constrained
Evolutionary Multi-Objective Optimization? [13.833668582211876]
制約違反は、進化的多目的最適化アルゴリズムを設計するためのビルディングブロックである。
本稿では,制約違反をクリップ値で置き換える,対応する変種を開発する。
実世界および実世界のベンチマークテスト問題に対する実験結果から,選択したアルゴリズムの性能には大きな影響が認められていないことがわかった。
論文 参考訳（メタデータ） (2022-05-28T06:29:07Z) - A novel multiobjective evolutionary algorithm based on decomposition and
multi-reference points strategy [14.102326122777475]
分解に基づく多目的進化アルゴリズム(MOEA/D)は、多目的最適化問題(MOP)を解く上で、極めて有望なアプローチであると考えられている。
本稿では,よく知られたPascoletti-Serafiniスキャラライゼーション法とマルチ参照ポイントの新たな戦略により,MOEA/Dアルゴリズムの改良を提案する。
論文 参考訳（メタデータ） (2021-10-27T02:07:08Z) - On Constraints in First-Order Optimization: A View from Non-Smooth
Dynamical Systems [99.59934203759754]
本稿では,スムーズな制約付き最適化のための一階法について紹介する。
提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。
結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
論文 参考訳（メタデータ） (2021-07-17T11:45:13Z) - An Improved Two-Archive Evolutionary Algorithm for Constrained
Multi-Objective Optimization [5.760976250387322]
近年,制約付き多目的最適化(C-TAEA)のための2階層進化アルゴリズムが最新のアルゴリズムとして提案されている。
C-TAEA-IIと呼ばれる改良版C-TAEAを提案する。
論文 参考訳（メタデータ） (2021-03-10T23:04:02Z) - Enhanced Innovized Repair Operator for Evolutionary Multi- and
Many-objective Optimization [5.885238773559015]
革新」とは、最適化問題においてパレート最適化(PO)ソリューションの一部または全部の共通関係を学習するタスクである。
近年の研究では、非支配的なソリューションの時系列配列もまた、問題の特徴を学習するのに使える有能なパターンを持っていることが示されている。
本稿では,Pareto-Optimal 集合に向けて,集団構成員を前進させるために必要な設計変数の修正を学習する機械学習(ML-)支援モデル手法を提案する。
論文 参考訳（メタデータ） (2020-11-21T10:29:15Z) - 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) - 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)
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。