Fugu-MT 論文翻訳(概要): New Pathways in Coevolutionary Computation

論文の概要: New Pathways in Coevolutionary Computation

arxiv url: http://arxiv.org/abs/2401.10515v1
Date: Fri, 19 Jan 2024 06:11:33 GMT
ステータス: 処理完了
システム内更新日: 2024-01-22 16:43:18.409798
Title: New Pathways in Coevolutionary Computation
Title（参考訳）: 進化的計算の新しい道
Authors: Moshe Sipper, Jason H. Moore, Ryan J. Urbanowicz
Abstract要約: 本稿では,2種類の進化的アルゴリズムを提案する。 1つは、特定の関心の問題を解決するための表現とエンコーディングの両方を発見する協調的共進化アルゴリズムである。もう一つは、2つの共進化する集団を維持する共進化的共進化アルゴリズムである。
参考スコア（独自算出の注目度）: 2.402878726843412
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The simultaneous evolution of two or more species with coupled fitness -- coevolution -- has been put to good use in the field of evolutionary computation. Herein, we present two new forms of coevolutionary algorithms, which we have recently designed and applied with success. OMNIREP is a cooperative coevolutionary algorithm that discovers both a representation and an encoding for solving a particular problem of interest. SAFE is a commensalistic coevolutionary algorithm that maintains two coevolving populations: a population of candidate solutions and a population of candidate objective functions needed to measure solution quality during evolution.
Abstract（参考訳）: 適合性(共進化)が組み合わされた2種または複数の種の同時進化は、進化計算の分野でうまく利用されてきた。本稿では,最近設計・適用した2種類の共進化アルゴリズムについて述べる。 OMNIREPは、特定の関心の問題を解決するための表現とエンコーディングの両方を発見する協調的共進化アルゴリズムである。 safeは共進化的共進化アルゴリズムであり、2つの共進化的な集団を維持する: 進化中の解の質を測定するのに必要な、候補の解の集団と候補の客観的関数の集団。

関連論文リスト

Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
論文参考訳（メタデータ） (2024-07-22T23:24:03Z)
Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文参考訳（メタデータ） (2023-06-06T19:05:01Z)
Co-Evolutionary Diversity Optimisation for the Traveling Thief Problem [11.590506672325668]
本稿では,多成分走行盗難問題に対する2つの空間を同時に探索する共進化的アルゴリズムを提案する。その結果,論文の基盤となる進化的多様性アルゴリズムと比較して,共進化的アルゴリズムの多様性を著しく向上させる能力を示した。
論文参考訳（メタデータ） (2022-07-28T12:02:15Z)
Runtime Analysis of Competitive co-Evolutionary Algorithms for Maximin Optimisation of a Bilinear Function [1.3053649021965603]
共進化的アルゴリズムには、ハードウェア設計、ボードゲーム戦略の進化、ソフトウェアバグのパッチなど、幅広い応用がある。共進化的アルゴリズムが解を効率的にかつ確実に見つけることを予測できる理論を開発することは、オープンな挑戦である。本稿では,人口ベース競争共進化型アルゴリズムのランタイム解析開発における第一歩について述べる。
論文参考訳（メタデータ） (2022-06-30T12:35:36Z)
On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-06-30T05:29:52Z)
Evolving Evolutionary Algorithms with Patterns [0.0]
このモデルは、MEP(Multi Expression Programming)技術に基づいている。関数最適化のためのいくつかの進化的アルゴリズムは、考慮されたモデルを用いて進化する。
論文参考訳（メタデータ） (2021-10-10T16:26:20Z)
Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文参考訳（メタデータ） (2021-06-08T15:54:44Z)
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)
Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文参考訳（メタデータ） (2021-04-12T12:45:16Z)
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)
Devolutionary genetic algorithms with application to the minimum labeling Steiner tree problem [0.0]
本稿では、進化的遺伝的アルゴリズムを特徴付けるとともに、最小ラベル付けスタイナーツリー(MLST)問題を解く際の性能を評価する。我々は、進化的アルゴリズムを、時間とともに超最適で実現不可能な解の集団を進化させることによって実現可能な解に到達する過程として定義する。我々は, 交叉, 突然変異, 適合性などの古典的進化的概念が, 最適解, 最適解に到達するためにどのように適応できるかを示す。
論文参考訳（メタデータ） (2020-04-18T13:27:28Z)

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。