Fugu-MT 論文翻訳(概要): Performance Comparison of Surrogate-Assisted Evolutionary Algorithms on Computational Fluid Dynamics Problems

論文の概要: Performance Comparison of Surrogate-Assisted Evolutionary Algorithms on Computational Fluid Dynamics Problems

arxiv url: http://arxiv.org/abs/2402.16455v1
Date: Mon, 26 Feb 2024 09:58:36 GMT
ステータス: 処理完了
システム内更新日: 2024-02-27 13:56:38.700489
Title: Performance Comparison of Surrogate-Assisted Evolutionary Algorithms on Computational Fluid Dynamics Problems
Title（参考訳）: 計算流体力学問題に対するサーロゲート支援進化アルゴリズムの性能比較
Authors: Jakub Kudela and Ladislav Dobrovsky
Abstract要約: 実世界の計算流体力学問題を用いて、11の最先端単目的SAEAの性能を比較する。以上の結果から,最近発表された手法と,微分進化を最適化手法の1つとして活用する手法が,他の検討手法よりも優れていることが示唆された。
参考スコア（独自算出の注目度）: 2.1756081703276
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Surrogate-assisted evolutionary algorithms (SAEAs) are recently among the most widely studied methods for their capability to solve expensive real-world optimization problems. However, the development of new methods and benchmarking with other techniques still relies almost exclusively on artificially created problems. In this paper, we use two real-world computational fluid dynamics problems to compare the performance of eleven state-of-the-art single-objective SAEAs. We analyze the performance by investigating the quality and robustness of the obtained solutions and the convergence properties of the selected methods. Our findings suggest that the more recently published methods, as well as the techniques that utilize differential evolution as one of their optimization mechanisms, perform significantly better than the other considered methods.
Abstract（参考訳）: surrogate-assisted evolutionary algorithms (saeas) は近年、高価な実世界の最適化問題を解決する手法として最も広く研究されている。しかし、新しい手法や他の手法によるベンチマークの開発は、まだほとんど人工的な問題のみに依存している。本稿では,実世界の数値流体力学問題を用いて,11の最先端単目的SAEAの性能を比較する。本研究では, 得られた溶液の品質とロバスト性および選択した方法の収束特性を調べた。以上の結果から,最近発表された手法と,微分進化を最適化手法の1つとして活用する手法が,他の検討手法よりも優れていることが示唆された。

関連論文リスト

Exploring the Generalization Capabilities of AID-based Bi-level Optimization [50.3142765099442]
本稿では, 近似暗黙差分法 (AID) と反復差分法 (D) の2種類の二段階最適化手法を提案する。 AIDベースのメソッドは容易に変換できないが、2レベル構造に留まる必要がある。実世界のタスクにおけるこれらの手法の有効性と応用の可能性を示す。
論文参考訳（メタデータ） (2024-11-25T04:22:17Z)
Model Uncertainty in Evolutionary Optimization and Bayesian Optimization: A Comparative Analysis [5.6787965501364335]
ブラックボックス最適化問題は、多くの現実世界のアプリケーションで一般的な問題である。これらの問題はインプット・アウトプット・インタラクションを通じて内部動作へのアクセスなしに最適化する必要がある。このような問題に対処するために2つの広く使われている勾配のない最適化手法が用いられている。本稿では,2つの手法間のモデル不確実性の類似点と相違点を明らかにすることを目的とする。
論文参考訳（メタデータ） (2024-03-21T13:59:19Z)
Comparison of Single- and Multi- Objective Optimization Quality for Evolutionary Equation Discovery [77.34726150561087]
進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
論文参考訳（メタデータ） (2023-06-29T15:37:19Z)
A Data-Driven Evolutionary Transfer Optimization for Expensive Problems in Dynamic Environments [9.098403098464704]
データ駆動、つまりサロゲート支援、進化的最適化は、高価なブラックボックス最適化問題に対処するための効果的なアプローチとして認識されている。本稿では,データ駆動型進化的最適化により動的最適化問題を解くための,シンプルだが効果的な伝達学習フレームワークを提案する。提案手法の有効性を実世界のケーススタディで実証した。
論文参考訳（メタデータ） (2022-11-05T11:19:50Z)
Exploring the effectiveness of surrogate-assisted evolutionary algorithms on the batch processing problem [0.0]
本稿では,文献におけるよく知られたバッチ処理問題のシミュレーションを紹介する。遺伝的アルゴリズム(GA)や微分進化(DE)といった進化的アルゴリズムを用いてシミュレーションの最適なスケジュールを見つける。次に、サロゲート支援されたアルゴリズムによって得られる解の質を、ベースラインアルゴリズムと比較する。
論文参考訳（メタデータ） (2022-10-31T09:00:39Z)
An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文参考訳（メタデータ） (2022-10-27T01:58:10Z)
Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。 3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文参考訳（メタデータ） (2022-09-09T14:58:43Z)
Last-Iterate Convergence of Saddle-Point Optimizers via High-Resolution Differential Equations [83.3201889218775]
広く使われている1次サドル点最適化法は、帰納的導出時に同一の連続時間常微分方程式(ODE)を導出する。しかし、これらの方法の収束特性は、単純な双線型ゲームでさえ質的に異なる。いくつかのサドル点最適化法のための微分方程式モデルの設計に流体力学の研究フレームワークを採用する。
論文参考訳（メタデータ） (2021-12-27T18:31:34Z)
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)
Covariance Matrix Adaptation Evolution Strategy Assisted by Principal Component Analysis [4.658166900129066]
我々は,共分散行列適応進化戦略(CMA-ES)の反復中に,主成分分析(PCA)を用いて次元を縮小する。
論文参考訳（メタデータ） (2021-05-08T12:43:38Z)
PAMELI: A Meta-Algorithm for Computationally Expensive Multi-Objective Optimization Problems [0.0]
提案アルゴリズムは,実モデルのモデルによって定義される一連の代理問題の解法に基づく。また,最適化ランドスケープのための最適なサロゲートモデルとナビゲーション戦略のメタ検索を行う。
論文参考訳（メタデータ） (2021-03-19T11:18:03Z)

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。