論文の概要: Temporal True and Surrogate Fitness Landscape Analysis for Expensive Bi-Objective Optimisation
- arxiv url: http://arxiv.org/abs/2404.06557v1
- Date: Tue, 9 Apr 2024 18:20:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 16:18:39.552560
- Title: Temporal True and Surrogate Fitness Landscape Analysis for Expensive Bi-Objective Optimisation
- Title（参考訳）: 長期的二目的最適化のための時間的真・代理性景観解析
- Authors: C. J. Rodriguez, S. L. Thomson, T. Alderliesten, P. A. N. Bosman,
- Abstract要約: 本研究では、真の適合関数の風景と多目的関数の代理モデルの風景を比較した。
最適化中、異なる点における風景の特徴を時間的に観察することで実現している。
相違はあるものの、真実と代理的な景観の特徴は互いに高い相関関係を示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many real-world problems have expensive-to-compute fitness functions and are multi-objective in nature. Surrogate-assisted evolutionary algorithms are often used to tackle such problems. Despite this, literature about analysing the fitness landscapes induced by surrogate models is limited, and even non-existent for multi-objective problems. This study addresses this critical gap by comparing landscapes of the true fitness function with those of surrogate models for multi-objective functions. Moreover, it does so temporally by examining landscape features at different points in time during optimisation, in the vicinity of the population at that point in time. We consider the BBOB bi-objective benchmark functions in our experiments. The results of the fitness landscape analysis reveals significant differences between true and surrogate features at different time points during optimisation. Despite these differences, the true and surrogate landscape features still show high correlations between each other. Furthermore, this study identifies which landscape features are related to search and demonstrates that both surrogate and true landscape features are capable of predicting algorithm performance. These findings indicate that temporal analysis of the landscape features may help to facilitate the design of surrogate switching approaches to improve performance in multi-objective optimisation.
- Abstract（参考訳）: 多くの実世界の問題は、高価で計算可能なフィットネス関数を持ち、本質的には多目的である。
サロゲート支援進化アルゴリズムは、このような問題に対処するためにしばしば用いられる。
それにもかかわらず、サロゲートモデルによって引き起こされるフィットネスランドスケープの分析に関する文献は限られており、多目的問題には存在しない。
本研究は、真のフィットネス関数の景観と多目的関数の代理モデルの景観を比較することで、この重要なギャップを解消する。
また、その時点の人口の近辺において、最適化期間中に異なる地点で景観の特徴を調べることで、時間的にもそのようにしている。
BBOB双目的ベンチマーク関数を実験で検討する。
フィットネスランドスケープ分析の結果は, 最適化時の異なる時点における真の特徴と代理的特徴の間に有意な差異が認められた。
これらの違いにもかかわらず、真実と代理的な景観の特徴は、いまだに互いに高い相関関係を示している。
さらに,本研究では,どのランドスケープ特徴が検索に関連しているかを明らかにし,サロゲート特徴と真のランドスケープ特徴の両方がアルゴリズム性能を予測可能であることを示す。
これらの結果から,ランドスケープの特徴の時間的解析は,サロゲートスイッチングアプローチの設計を容易にし,多目的最適化の性能向上に役立つ可能性が示唆された。
関連論文リスト
- Task-adaptive Q-Face [75.15668556061772]
本稿では,タスク適応型マルチタスク顔分析手法Q-Faceを提案する。
Q-Faceは統合されたモデルで複数の顔分析タスクを同時に実行する。
本手法は,顔表情認識,行動単位検出,顔属性分析,年齢推定,顔ポーズ推定における最先端性能を実現する。
論文 参考訳（メタデータ） (2024-05-15T03:13:11Z) - Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems [0.5461938536945723]
本研究では,ディープラーニングとERAの機能を組み合わせたハイブリッドアプローチであるDeep-ELAを提案する。
提案するフレームワークは、単目的および多目的の連続最適化問題を分析するために、最初から利用できるか、あるいは様々なタスクに微調整することができる。
論文 参考訳（メタデータ） (2024-01-02T12:41:17Z) - Long-Term Invariant Local Features via Implicit Cross-Domain
Correspondences [79.21515035128832]
我々は、様々なドメイン変更の下で、現在の最先端特徴抽出ネットワークの性能を徹底的に分析する。
我々は、新しいデータ中心方式、Implicit Cross-Domain Correspondences (iCDC)を提案する。
iCDCは複数のニューラル・ラジアンス・フィールドで同じ環境を表し、それぞれが個々の視覚領域の下にシーンを適合させる。
論文 参考訳（メタデータ） (2023-11-06T18:53:01Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T05:28:35Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳（メタデータ） (2022-10-19T19:04:45Z) - A Collection of Deep Learning-based Feature-Free Approaches for
Characterizing Single-Objective Continuous Fitness Landscapes [0.0]
ランドスケープの洞察は、問題を理解するだけでなく、ベンチマークセットの多様性と構成を評価するためにも重要である。
本研究では、最適化ランドスケープを特徴付ける様々なアプローチのコレクションを提供する。
我々は、Deep Learningの助けを借りて、BBOBテストベッド上で考案した手法を実証し、検証し、予測する。
論文 参考訳（メタデータ） (2022-04-12T12:46:31Z) - Spatio-temporal Gait Feature with Adaptive Distance Alignment [90.5842782685509]
我々は,ネットワーク構造の最適化と抽出した歩行特徴の洗練という2つの側面から,異なる被験者の歩行特徴の差を増大させようとしている。
提案手法は時空間特徴抽出(SFE)と適応距離アライメント(ADA)から構成される。
ADAは実生活における多数の未ラベルの歩行データをベンチマークとして使用し、抽出した時間的特徴を洗練し、クラス間類似度が低く、クラス内類似度が高いようにしている。
論文 参考訳（メタデータ） (2022-03-07T13:34:00Z) - Characterization of Constrained Continuous Multiobjective Optimization
Problems: A Feature Space Perspective [0.0]
制約付き多目的最適化問題(CMOP)はいまだ不満足に理解され、特徴づけられる。
CMOPを特徴付けるために,29の景観特徴(うち19は新規)を提案する。
実世界の物理モデルに基づく実世界の問題からなる,最近提案されたテストスイートと,8つの頻繁な人工テストスイートを比較した。
論文 参考訳（メタデータ） (2021-09-09T21:21:57Z) - Transfer Learning Based Co-surrogate Assisted Evolutionary Bi-objective
Optimization for Objectives with Non-uniform Evaluation Times [9.139734850798124]
多目的進化アルゴリズムは、それぞれの目的関数を同じ時間内に評価できると仮定する。
高速な対象関数と低速な対象関数の間の機能的関係をモデル化するために、共代理が採用される。
高速な目的の探索プロセスから有用な知識を得るために、転送可能なインスタンス選択法を導入する。
論文 参考訳（メタデータ） (2021-08-30T16:10:15Z) - Common Limitations of Image Processing Metrics: A Picture Story [58.83274952067888]
本論文は, 画像レベルの分類, セマンティックセグメンテーション, インスタンスセグメンテーション, オブジェクト検出タスクと表現できるバイオメディカル画像解析問題に焦点を当てる。
現在のバージョンは、世界中の60以上の機関からの画像分析の専門家からなる国際コンソーシアムが実施するメトリクスに関するDelphiプロセスに基づいている。
論文 参考訳（メタデータ） (2021-04-12T17:03:42Z) - Empirical Study on the Benefits of Multiobjectivization for Solving
Single-Objective Problems [0.0]
局所オプティマはしばしばアルゴリズムの進行を防ぎ、深刻な脅威を引き起こす。
マルチオブジェクトの勾配に基づく高度な可視化技術を用いて,出現するマルチオブジェクトの景観の特性を図示し,考察した。
我々は,多目的COCOMOGSAがこれらの特性を利用して局所トラップを克服できることを実証的に示す。
論文 参考訳（メタデータ） (2020-06-25T14:04:37Z)
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。