論文の概要: Sliding Window 3-Objective Pareto Optimization for Problems with Chance Constraints

• arxiv url: http://arxiv.org/abs/2406.04899v1
• Date: Fri, 7 Jun 2024 12:45:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-10 14:01:29.418997
• Title: Sliding Window 3-Objective Pareto Optimization for Problems with Chance Constraints
• Title（参考訳）: Sliding Window 3-Objective Pareto Optimization for Problems with Chance Constraints
• Authors: Frank Neumann, Carsten Witt,
• Abstract要約: 我々は、スライディングウィンドウのアプローチを、確率制約問題に対処するための3ドルオブジェクトの定式化に拡張する。 私たちの新しいスライディングウインドウアプローチは、3つのオブジェクトのアプローチよりもはるかに効率的な方法で、はるかに大きなインスタンスを解決できます。
• 参考スコア（独自算出の注目度）: 11.310502327308575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constrained single-objective problems have been frequently tackled by evolutionary multi-objective algorithms where the constraint is relaxed into an additional objective. Recently, it has been shown that Pareto optimization approaches using bi-objective models can be significantly sped up using sliding windows (Neumann and Witt, ECAI 2023). In this paper, we extend the sliding window approach to $3$-objective formulations for tackling chance constrained problems. On the theoretical side, we show that our new sliding window approach improves previous runtime bounds obtained in (Neumann and Witt, GECCO 2023) while maintaining the same approximation guarantees. Our experimental investigations for the chance constrained dominating set problem show that our new sliding window approach allows one to solve much larger instances in a much more efficient way than the 3-objective approach presented in (Neumann and Witt, GECCO 2023).
• Abstract（参考訳）: 制約付き単目的問題はしばしば、制約を新たな目的に緩和する進化的多目的アルゴリズムによって取り組まれている。 近年,両対象モデルを用いたPareto最適化手法は,スライディングウインドウ(Neumann and Witt, ECAI 2023)を用いて大幅に高速化できることが示されている。 本稿では,確率制約問題に対処するために,スライディングウインドウアプローチを3ドルオブジェクトの定式化に拡張する。 理論的には,我々の新しいスライディングウインドウアプローチは,同じ近似保証を維持しつつ,以前のランタイム境界(Neumann and Witt, GECCO 2023)を改善したことを示す。 制約付き支配集合問題に対する実験的研究は、我々の新しいスライディングウインドウアプローチにより、(Neumann and Witt, GECCO 2023)の3目的のアプローチよりもはるかに効率的な方法で、はるかに大きなインスタンスを解決できることを示している。

関連論文リスト

• Multi-Objective Evolutionary Algorithms with Sliding Window Selection for the Dynamic Chance-Constrained Knapsack Problem [2.5690340428649328]
  静的および動的重み制約下での利益を伴うknapsack問題に対する多目的進化的アプローチを提案する。 我々は、期待される利益を最大化し、分散を最小化する双方向の定式化を考える。 重み制約を緩和して3目的の定式化を導出する。
  論文  参考訳（メタデータ） (2024-04-12T03:07:15Z)
• Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning [132.7040981721302]
  本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。 制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
  論文  参考訳（メタデータ） (2024-02-16T16:35:18Z)
• Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
  一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。 汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。 我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
  論文  参考訳（メタデータ） (2023-10-10T01:39:04Z)
• Tight Guarantees for Interactive Decision Making with the Decision-Estimation Coefficient [51.37720227675476]
  我々は、決定推定係数の新たな変種を導入し、それを用いて、3つの面における事前の作業を改善する新しい下界を導出する。 我々は同じ量でスケールした後悔について上界を与え、フォスター等における上界と下界の間のギャップの1つを除いて全てを閉じる。 この結果は、後悔のフレームワークとPACフレームワークの両方に適用され、我々が期待するいくつかの新しい分析とアルゴリズム設計技術を利用して、より広範な利用が期待できる。
  論文  参考訳（メタデータ） (2023-01-19T18:24:08Z)
• A Constrained Optimization Approach to Bilevel Optimization with Multiple Inner Minima [49.320758794766185]
  そこで本研究では,両レベル問題を等価な制約付き最適化に変換する手法を提案する。 このようなアプローチには、(a)多重内極小問題への対処、(b)ジャコビアン計算のない完全一階効率など、いくつかの利点がある。
  論文  参考訳（メタデータ） (2022-03-01T18:20:01Z)
• Faster Algorithm and Sharper Analysis for Constrained Markov Decision Process [56.55075925645864]
  制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。 新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。 これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
  論文  参考訳（メタデータ） (2021-10-20T02:57:21Z)
• Runtime Analysis of Single- and Multi-Objective Evolutionary Algorithms for Chance Constrained Optimization Problems with Normally Distributed Random Variables [11.310502327308575]
  独立して通常は分散しているコンポーネントのシナリオについて研究する。 期待されるコストとその分散をトレードオフする問題を多目的に定式化する。 また,本手法は,木に散らばった最小限の問題に対して最適解の集合を計算するためにも有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-13T09:24:23Z)
• Bayesian Optimisation for Constrained Problems [0.0]
  本稿では,制約を扱える知恵グラディエント獲得関数の新たな変種を提案する。 我々は、このアルゴリズムを、他の4つの最先端制約されたベイズ最適化アルゴリズムと比較し、その優れた性能を実証する。
  論文  参考訳（メタデータ） (2021-05-27T15:43:09Z)
• Practical Schemes for Finding Near-Stationary Points of Convex Finite-Sums [45.91933657088324]
  凸有限サムの近定常点探索におけるアルゴリズム手法の体系的研究を行う。 私たちの主な貢献は、いくつかのアルゴリズム的な発見です。 我々は,今後の発展を促進する新しいスキームのシンプルさと実用性を強調した。
  論文  参考訳（メタデータ） (2021-05-25T16:46:35Z)
• Optimistic variants of single-objective bilevel optimization for evolutionary algorithms [6.788217433800101]
  ベンチマーク問題を解くために部分的部分進化的アプローチが提案され、優れた結果が得られた。 また、一般的な収束アプローチ、すなわち楽観的で悲観的なアプローチにも新しい変種が提案されている。 実験の結果、アルゴリズムは楽観的な変量を持つ最適解に異なる収束性を示す。
  論文  参考訳（メタデータ） (2020-08-22T23:12:07Z)
• Reparameterized Variational Divergence Minimization for Stable Imitation [57.06909373038396]
  確率的発散の選択における変動が、より高性能なILOアルゴリズムをもたらす可能性について検討する。 本稿では,提案する$f$-divergence最小化フレームワークの課題を軽減するために,逆模倣学習のための再パラメータ化手法を提案する。 経験的に、我々の設計選択は、ベースラインアプローチより優れ、低次元連続制御タスクにおける専門家のパフォーマンスとより密に適合するIOOアルゴリズムを許容することを示した。
  論文  参考訳（メタデータ） (2020-06-18T19:04:09Z)

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。