Fugu-MT 論文翻訳(概要): Approximation of a Pareto Set Segment Using a Linear Model with Sharing Variables

論文の概要: Approximation of a Pareto Set Segment Using a Linear Model with Sharing Variables

arxiv url: http://arxiv.org/abs/2404.00251v1
Date: Sat, 30 Mar 2024 05:42:07 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 06:36:22.048194
Title: Approximation of a Pareto Set Segment Using a Linear Model with Sharing Variables
Title（参考訳）: 共有変数を持つ線形モデルを用いたパレート集合セグメントの近似
Authors: Ping Guo, Qingfu Zhang, Xi Lin,
Abstract要約: 最適性と変数共有を両立させる性能指標を開発した。次に、ユーザの要求を満たすためのメトリックを最小限に抑えるモデルを見つけるアルゴリズムを設計する。実験結果から,選好ベクトルから局所領域の解への写像を近似した線形モデルが得られることが示された。
参考スコア（独自算出の注目度）: 14.161627541155775
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many real-world applications, the Pareto Set (PS) of a continuous multiobjective optimization problem can be a piecewise continuous manifold. A decision maker may want to find a solution set that approximates a small part of the PS and requires the solutions in this set share some similarities. This paper makes a first attempt to address this issue. We first develop a performance metric that considers both optimality and variable sharing. Then we design an algorithm for finding the model that minimizes the metric to meet the user's requirements. Experimental results illustrate that we can obtain a linear model that approximates the mapping from the preference vectors to solutions in a local area well.
Abstract（参考訳）: 多くの実世界の応用において、連続多目的最適化問題のパレート集合(PS)は断片的に連続多様体である。意思決定者はPSのごく一部を近似する解集合を見つけ、この集合の解がいくつかの類似点を共有することを要求するかもしれない。本論文はこの問題に対処する最初の試みである。まず、最適性と変数共有の両方を考慮した性能指標を開発する。次に,ユーザの要求を満たすためのメトリックを最小化するモデルを求めるアルゴリズムを設計する。実験結果から,選好ベクトルから局所領域の解への写像を近似した線形モデルが得られることが示された。

関連論文リスト

An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
まず最適化モデルを構築し,非単調な選好をモデル化する。本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。 2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
論文参考訳（メタデータ） (2024-09-04T14:36:20Z)
Preference-Optimized Pareto Set Learning for Blackbox Optimization [1.9628841617148691]
すべての目的を同時に最適化できる単一のソリューションはありません。典型的なMOO問題では、目的間の好みを交換する最適解(パレート集合)を見つけることが目的である。我々の定式化は、例えば微分可能なクロスエントロピー法によって解決できる二段階最適化問題につながる。
論文参考訳（メタデータ） (2024-08-19T13:23:07Z)
Outer Approximation and Super-modular Cuts for Constrained Assortment Optimization under Mixed-Logit Model [6.123324869194196]
混合ロジット顧客選択モデルに基づくアソシエーション最適化問題について検討する。既存の正確な手法は、主にMILP (mixed-integer linear programming) やCONIC (Second-order cone) の修正に依存している。我々の研究は、単調に超モジュラーかつ凸であることを示す客観的関数の成分に焦点をあてることによって、この問題に対処する。
論文参考訳（メタデータ） (2024-07-26T06:27:11Z)
MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
論文参考訳（メタデータ） (2024-06-11T17:55:25Z)
Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
論文参考訳（メタデータ） (2023-04-01T15:50:18Z)
Pareto Set Learning for Expensive Multi-Objective Optimization [5.419608513284392]
膨大な多目的最適化問題は、多くの現実世界のアプリケーションで見られる。本稿では,MOBOのパレート集合全体を近似する学習に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2022-10-16T09:41:54Z)
Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文参考訳（メタデータ） (2022-01-28T05:53:28Z)
Robust Multi-view Registration of Point Sets with Laplacian Mixture Model [25.865100974015412]
重み付きラプラシアン分布に基づいて複数の点集合を整列させる新しい確率的生成法を提案する。本稿では,提案手法の利点を,ベンチマークの挑戦的データセットに対する最先端手法と比較することによって示す。
論文参考訳（メタデータ） (2021-10-26T14:49:09Z)
Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。このアプローチは多くの実装と最適化の課題をもたらします。提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
論文参考訳（メタデータ） (2021-03-18T14:26:26Z)
Sparse Approximate Solutions to Max-Plus Equations with Application to Multivariate Convex Regression [34.99564569478268]
我々は,任意の$ell_p$近似誤差に対して,そのような解を効率よく最小時間で得る方法を示す。本稿では, 凸関数を一括フィッティングする手法を提案し, 最適性を保証するとともに, 略スパースアフィン領域を提案する。
論文参考訳（メタデータ） (2020-11-06T15:17:00Z)
MINA: Convex Mixed-Integer Programming for Non-Rigid Shape Alignment [77.38594866794429]
非剛体形状マッチングのための凸混合整数プログラミングの定式化。効率的な低次元離散モデルに基づく新しい形状変形モデルを提案する。
論文参考訳（メタデータ） (2020-02-28T09:54:06Z)

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。