Fugu-MT 論文翻訳(概要): How Population Diversity Influences the Efficiency of Crossover

論文の概要: How Population Diversity Influences the Efficiency of Crossover

arxiv url: http://arxiv.org/abs/2404.12268v1
Date: Thu, 18 Apr 2024 15:41:27 GMT
ステータス: 処理完了
システム内更新日: 2024-04-19 19:02:00.797752
Title: How Population Diversity Influences the Efficiency of Crossover
Title（参考訳）: 人口多様性がクロスオーバーの効率に与える影響
Authors: Sacha Cerf, Johannes Lengler,
Abstract要約: 我々は,$(mu+1)$ Genetic Algorithm on LeadingOnesをスピードアップするのに,多様性の量が必要であるという公式かつ一般的な基準を与える。自然に進化する多様性は、任意の$mu=O(sqrtn/log2 n)$に対して実質的なスピードアップを与えるに足らないことを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Our theoretical understanding of crossover is limited by our ability to analyze how population diversity evolves. In this study, we provide one of the first rigorous analyses of population diversity and optimization time in a setting where large diversity and large population sizes are required to speed up progress. We give a formal and general criterion which amount of diversity is necessary and sufficient to speed up the $(\mu+1)$ Genetic Algorithm on LeadingOnes. We show that the naturally evolving diversity falls short of giving a substantial speed-up for any $\mu=O(\sqrt{n}/\log^2 n)$. On the other hand, we show that even for $\mu=2$, if we simply break ties in favor of diversity then this increases diversity so much that optimization is accelerated by a constant factor.
Abstract（参考訳）: クロスオーバーに関する理論的理解は、人口の多様性がどのように進化するかを分析する能力によって制限される。本研究では,人口の多様性と最適化時間の厳密な分析を行った最初の事例の一つとして,人口の多様性と人口の大規模化が要求される状況について紹介する。我々は,$(\mu+1)$ Genetic Algorithm on LeadingOnesをスピードアップするのに,多様性の量が必要な形式的かつ一般的な基準を与える。自然に進化する多様性は、任意の$\mu=O(\sqrt{n}/\log^2 n)$に対して実質的なスピードアップを与えるに足らないことを示す。一方、$\mu=2$であっても、単に多様性を優先して関係を断ち切れば、これは多様性を増大させ、定数係数によって最適化が加速されることを示す。

関連論文リスト

GRADE: Quantifying Sample Diversity in Text-to-Image Models [66.12068246962762]
本稿では,サンプルの多様性を定量化する手法であるGRADE: Granular Attribute Diversity Evaluationを提案する。 400のコンセプト属性ペアを用いて12のT2Iモデルの全体的な多様性を測定し、すべてのモデルが限定的な変動を示すことを示した。我々の研究は、サンプルの多様性を測定するための現代的で意味論的に駆動されたアプローチを提案し、T2Iモデルによる出力の驚くべき均一性を強調している。
論文参考訳（メタデータ） (2024-10-29T23:10:28Z)
The Factuality Tax of Diversity-Intervened Text-to-Image Generation: Benchmark and Fact-Augmented Intervention [61.80236015147771]
我々は多様性の介入とT2Iモデルにおける人口統計学的事実性とのトレードオフを定量化する。 DoFaiRの実験では、多様性指向の指示によって、性別や人種の異なる集団の数が増加することが明らかになった。本研究では,歴史における世代ごとのジェンダーや人種構成について,言語化された事実情報を反映したFact-Augmented Intervention (FAI)を提案する。
論文参考訳（メタデータ） (2024-06-29T09:09:42Z)
Runtime Analysis of Evolutionary Diversity Optimization on the Multi-objective (LeadingOnes, TrailingZeros) Problem [10.697103866816958]
進化的多様性最適化(EDO)を3つの対象関数 LOTZ$_k$ 上で証明する。 GSEMOが全てのパレート最適解の集合を$O(kn3)$期待反復で計算することを示す。両多様性尺度に非常によく似た振る舞いを示す実証的な研究で、我々の理論分析を補完する。
論文参考訳（メタデータ） (2024-04-17T15:51:15Z)
Scaling Data Diversity for Fine-Tuning Language Models in Human Alignment [84.32768080422349]
人間の好みの調整は、大きな言語モデルが誤解を招くか有害なコンテンツを生成するのを防ぐ。本研究では, 微調整後のLLMの最終性能と線形相関を示唆し, 即時多様性の新たな定式化を提案する。
論文参考訳（メタデータ） (2024-03-17T07:08:55Z)
DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文参考訳（メタデータ） (2023-12-08T16:51:10Z)
Diversify Question Generation with Retrieval-Augmented Style Transfer [68.00794669873196]
本稿では,検索型スタイル転送のためのフレームワーク RAST を提案する。本研究の目的は,多様なテンプレートのスタイルを質問生成に活用することである。多様性報酬と一貫性報酬の重み付けを最大化する新しい強化学習(RL)ベースのアプローチを開発する。
論文参考訳（メタデータ） (2023-10-23T02:27:31Z)
Rigorous Runtime Analysis of Diversity Optimization with GSEMO on OneMinMax [13.026567958569965]
両目的のベンチマーク問題であるOneMinにおいて,GSEMOアルゴリズムの多様性向上による人口の多様性の最適化について検討した。問題サイズ$n$が奇数である場合、期待時間$O(n2)$で最適な多様性を持つ集団が見つかることを証明している。目標を達成するために、人口のランダムウォークを分析し、人口の変化頻度とその成果を反映する。
論文参考訳（メタデータ） (2023-07-14T09:43:29Z)
Analysing Equilibrium States for Population Diversity [0.0]
人口の多様性は、グローバルな探索に役立ち、クロスオーバーの使用を促進するため、進化的アルゴリズムにおいて不可欠である。本研究では,2対のハミング距離の和で測定された$(mu+1)$アルゴリズムの個体群多様性が,フィットネスニュートラル環境下でどのように進化するかを検討する。
論文参考訳（メタデータ） (2023-04-19T14:30:20Z)
What can phylogenetic metrics tell us about useful diversity in evolutionary algorithms? [62.997667081978825]
系統的多様性指標(英: Phylogenetic diversity metrics)は、生物学で広く用いられる指標の分類である。ほとんどの場合、系統学的指標は他の多様性指標と有意に異なる振る舞いをする。
論文参考訳（メタデータ） (2021-08-28T06:49:14Z)
Unifying Behavioral and Response Diversity for Open-ended Learning in Zero-sum Games [44.30509625560908]
オープンエンド学習アルゴリズムでは、多様性の定義が広く受け入れられておらず、多様なポリシーの構築と評価が困難である。行動多様性(BD)と反応多様性(RD)の両方に基づくマルチエージェントオープンエンド学習における多様性の統一尺度を提案する。現在,多くの多様性対策が,BDやRDのカテゴリの1つに該当するが,両方ではないことを示す。この統一された多様性尺度を用いて、オープンエンド学習における最良の応答を求める際に、対応する多様性促進目標と人口効果度を設計する。
論文参考訳（メタデータ） (2021-06-09T10:11:06Z)
Effective Diversity in Population Based Reinforcement Learning [38.62641968788987]
人口のすべてのメンバを同時に最適化するアプローチを導入する。対距離を使用するのではなく、行動多様体内の全集団の体積を測定する。我々のアルゴリズムは、オンライン学習技術を用いて、トレーニング中に多様性の度合いを適応させる。
論文参考訳（メタデータ） (2020-02-03T10:09:16Z)

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。