論文の概要: Evolutionary Multi-Objective Diversity Optimization
- arxiv url: http://arxiv.org/abs/2401.07454v1
- Date: Mon, 15 Jan 2024 03:59:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 18:09:25.528666
- Title: Evolutionary Multi-Objective Diversity Optimization
- Title（参考訳）: 進化的多目的多様性最適化
- Authors: Anh Viet Do, Mingyu Guo, Aneta Neumann, Frank Neumann
- Abstract要約: 我々はこの問題を、品質と多様性のトレードオフの幅を求める、双方向最適化問題として扱う。
本稿では,既存の進化的多目的探索手法と互換性のある汎用的な実装手法を提案する。
結果、非支配的な人口は豊かな質的な特徴を示し、最適化事例とそれらが引き起こす品質と多様性のトレードオフについて洞察を与える。
- 参考スコア（独自算出の注目度）: 14.930208990741129
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Creating diverse sets of high quality solutions has become an important
problem in recent years. Previous works on diverse solutions problems consider
solutions' objective quality and diversity where one is regarded as the
optimization goal and the other as the constraint. In this paper, we treat this
problem as a bi-objective optimization problem, which is to obtain a range of
quality-diversity trade-offs. To address this problem, we frame the
evolutionary process as evolving a population of populations, and present a
suitable general implementation scheme that is compatible with existing
evolutionary multi-objective search methods. We realize the scheme in NSGA-II
and SPEA2, and test the methods on various instances of maximum coverage,
maximum cut and minimum vertex cover problems. The resulting non-dominated
populations exhibit rich qualitative features, giving insights into the
optimization instances and the quality-diversity trade-offs they induce.
- Abstract（参考訳）: 近年,高品質なソリューションの多様なセットを作成することが重要な問題となっている。
様々なソリューションに関する以前の研究は、最適化のゴールと制約と見なされるソリューションの客観的品質と多様性を考慮に入れている。
本稿では,この問題を,品質・多様性のトレードオフの幅を求める2目的最適化問題として扱う。
この問題に対処するために,我々は,進化過程を集団の集団の進化として構成し,既存の進化的多目的探索法と適合する適切な汎用的実装手法を提案する。
本手法はNSGA-IIとSPEA2で実現し,最大被覆率,最大カット率,最小頂点被覆率の諸問題に適用した。
結果、非支配的な人口は豊かな質的な特徴を示し、最適化事例とそれらが引き起こす品質と多様性のトレードオフについて洞察を与える。
関連論文リスト
- Illuminating the Diversity-Fitness Trade-Off in Black-Box Optimization [9.838618121102053]
現実世界のアプリケーションでは、ユーザーは1つの高品質なソリューションよりも構造的に多様な設計選択を好むことが多い。
本稿では, この課題に対する新たな視点として, 与えられたしきい値を超えるペア距離の一定数の解を同定する問題を考察する。
論文 参考訳（メタデータ） (2024-08-29T09:55:55Z) - Solving the Food-Energy-Water Nexus Problem via Intelligent Optimization Algorithms [46.48853432592689]
食料・エネルギー・水系は、互いに影響を及ぼす食料・エネルギー・水の間で複雑に結びついている。
それらは通常、膨大な数の決定変数と、最適化されるべき多くの矛盾する目標を含む。
本稿では、最先端のインテリジェントな最適化手法を用いて食品・エネルギー・水の最適化問題を解き、その性能を比較する。
論文 参考訳（メタデータ） (2024-04-10T06:19:19Z) - 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) - 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) - Computing High-Quality Solutions for the Patient Admission Scheduling
Problem using Evolutionary Diversity Optimisation [10.609857097723266]
我々は、現実世界の問題、すなわち患者受け入れスケジューリングに対する進化的多様性の最適化に適応する。
本稿では,各解の品質を考慮に入れた一組の解において,構造的多様性を実現するための進化的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-07-28T14:26:45Z) - Coevolutionary Pareto Diversity Optimization [13.026567958569965]
共進化的Pareto Diversity Optimizationアプローチを導入する。
特に,集団間クロスオーバーの利用により,解の集合の多様性がさらに向上することを示す。
論文 参考訳（メタデータ） (2022-04-12T00:52:13Z) - Evolutionary Diversity Optimisation for The Traveling Thief Problem [11.590506672325668]
解の集合の構造的多様性を最大化する二段階の進化的アルゴリズムを導入する。
多様性を得る最良の方法を実証的に決定する。
実験の結果,ほとんどのTTPベンチマークインスタンスにおける構造的多様性の観点から,QDアプローチの大幅な改善が示された。
論文 参考訳（メタデータ） (2022-04-06T10:13:55Z) - Result Diversification by Multi-objective Evolutionary Algorithms with
Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。
GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。
目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文 参考訳（メタデータ） (2021-10-18T14:00:22Z) - An Analysis of Phenotypic Diversity in Multi-Solution Optimization [118.97353274202749]
マルチモーダル最適化は高い適合性ソリューションを生み出し、品質の多様性は遺伝的中立性に敏感ではない。
オートエンコーダは表現型特徴を自動的に発見するために使用され、品質の多様性を備えたさらに多様なソリューションセットを生成する。
論文 参考訳（メタデータ） (2021-05-10T10:39:03Z) - 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。