論文の概要: Benchmark for CEC 2024 Competition on Multiparty Multiobjective Optimization

• arxiv url: http://arxiv.org/abs/2402.02033v1
• Date: Sat, 3 Feb 2024 05:14:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 22:39:52.482745
• Title: Benchmark for CEC 2024 Competition on Multiparty Multiobjective Optimization
• Title（参考訳）: マルチパーティ多目的最適化に関するCEC 2024コンペティションのベンチマーク
• Authors: Wenjian Luo, Peilan Xu, Shengxiang Yang, Yuhui Shi
• Abstract要約: 競争は多人数多目的最適化問題(MPMOP)に焦点を当てている その重要性にもかかわらず、MPMOPは従来の多目的最適化と比較してまだ検討されていない。
• 参考スコア（独自算出の注目度）: 7.763235307178854
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The competition focuses on Multiparty Multiobjective Optimization Problems (MPMOPs), where multiple decision makers have conflicting objectives, as seen in applications like UAV path planning. Despite their importance, MPMOPs remain understudied in comparison to conventional multiobjective optimization. The competition aims to address this gap by encouraging researchers to explore tailored modeling approaches. The test suite comprises two parts: problems with common Pareto optimal solutions and Biparty Multiobjective UAV Path Planning (BPMO-UAVPP) problems with unknown solutions. Optimization algorithms for the first part are evaluated using Multiparty Inverted Generational Distance (MPIGD), and the second part is evaluated using Multiparty Hypervolume (MPHV) metrics. The average algorithm ranking across all problems serves as a performance benchmark.
• Abstract（参考訳）: このコンペティションは、複数の意思決定者が相反する目標を持つマルチパーティ多目的最適化問題(mpmops)に焦点を当てている。 その重要性にもかかわらず、MPMOPは従来の多目的最適化と比較してまだ検討されていない。 このコンペティションは、研究者たちにカスタマイズされたモデリングアプローチの探求を促すことで、このギャップに対処することを目指している。 テストスイートは、一般的なPareto最適解の問題と、未知解に対するbiparty Multiobjective UAV Path Planning(BPMO-UAVPP)の問題の2つで構成されている。 第1部最適化アルゴリズムは,MPIGD(Multiparty Inverted Generational Distance)を用いて評価し,第2部はMPHV(Multiparty Hypervolume)メトリクスを用いて評価する。 すべての問題をランク付けする平均アルゴリズムはパフォーマンスベンチマークとして機能する。

関連論文リスト

• LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
  このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。 このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-03T18:12:29Z)
• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Pareto Front-Diverse Batch Multi-Objective Bayesian Optimization [26.22315705434334]
  高価なブラックボックス関数の多目的最適化(MOO)の問題を考える。 この問題はペニシリンの生産を含む多くの現実世界の応用で発生する。 そこで我々はPareto Front-Diverse Batch Multi-Objective BOと呼ばれる新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-13T04:28:00Z)
• 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)
• Data-Efficient Interactive Multi-Objective Optimization Using ParEGO [6.042269506496206]
  多目的最適化は、競合する目的間の最適なトレードオフを提供する非支配的なソリューションの集合を特定することを目的としている。 実践的な応用では、意思決定者(DM)は実装すべき好みに合わせて単一のソリューションを選択する。 そこで本稿では,パレートフロントの最も好まれる領域を,高コストで評価できる2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-12T15:55:51Z)
• Interactive Hyperparameter Optimization in Multi-Objective Problems via Preference Learning [65.51668094117802]
  我々は多目的機械学習(ML)に適した人間中心型対話型HPO手法を提案する。 ユーザが自分のニーズに最も適した指標を推測する代わりに、私たちのアプローチは自動的に適切な指標を学習します。
  論文  参考訳（メタデータ） (2023-09-07T09:22:05Z)
• Characterization of Constrained Continuous Multiobjective Optimization Problems: A Performance Space Perspective [0.0]
  制約付き多目的最適化問題(CMOP)は不満足に理解されている。 ベンチマークのための適切なCMOPの選択は困難で、正式なバックグラウンドが欠如しています。 本稿では,制約付き多目的最適化のための新しい性能評価手法を提案する。
  論文  参考訳（メタデータ） (2023-02-04T14:12:30Z)
• 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 Study of Scalarisation Techniques for Multi-Objective QUBO Solving [0.0]
  量子および量子に着想を得た最適化アルゴリズムは、学術ベンチマークや実世界の問題に適用した場合に有望な性能を示す。 しかし、QUBOソルバは単目的解法であり、複数の目的による問題の解法をより効率的にするためには、そのような多目的問題を単目的問題に変換する方法を決定する必要がある。
  論文  参考訳（メタデータ） (2022-10-20T14:54:37Z)
• A survey on multi-objective hyperparameter optimization algorithms for Machine Learning [62.997667081978825]
  本稿では,多目的HPOアルゴリズムに関する2014年から2020年にかけての文献を体系的に調査する。 メタヒューリスティック・ベース・アルゴリズムとメタモデル・ベース・アルゴリズム,および両者を混合したアプローチを区別する。 また,多目的HPO法と今後の研究方向性を比較するための品質指標についても論じる。
  論文  参考訳（メタデータ） (2021-11-23T10:22:30Z)
• Decomposition in Decision and Objective Space for Multi-Modal Multi-Objective Optimization [15.681236469530397]
  多モード多目的最適化問題(MMMOP)はパレート最適集合内に複数の部分集合を持つ。 一般的な多目的進化的アルゴリズムは、複数の解部分集合を探索するために純粋に設計されていないが、MMMOP向けに設計されたアルゴリズムは、目的空間における劣化した性能を示す。 これは、MMMOPに対処するためのより良いアルゴリズムの設計を動機付けている。
  論文  参考訳（メタデータ） (2020-06-04T03:18:47Z)

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。