論文の概要: Interpreting Multi-objective Evolutionary Algorithms via Sokoban Level Generation

• arxiv url: http://arxiv.org/abs/2406.10663v1
• Date: Sat, 15 Jun 2024 15:10:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-18 23:23:59.268958
• Title: Interpreting Multi-objective Evolutionary Algorithms via Sokoban Level Generation
• Title（参考訳）: ソコバンレベル生成による多目的進化アルゴリズムの解釈
• Authors: Qingquan Zhang, Yuchen Li, Yuhang Lin, Handing Wang, Jialin Liu,
• Abstract要約: プロシージャコンテンツ生成において広く利用されているショーケースとして、ソコバンレベル生成が選択される。 ソコバンレベルの空度と空間的多様性のバランスをとることにより、改良された2階層アルゴリズムである Two_Arch2 を説明する。 当社のWebプラットフォームでは,Two_Arch2を視覚的かつインタラクティブに進化過程をリアルタイムに示すインターフェースに統合しています。
• 参考スコア（独自算出の注目度）: 10.67707602247848
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an interactive platform to interpret multi-objective evolutionary algorithms. Sokoban level generation is selected as a showcase for its widespread use in procedural content generation. By balancing the emptiness and spatial diversity of Sokoban levels, we illustrate the improved two-archive algorithm, Two_Arch2, a well-known multi-objective evolutionary algorithm. Our web-based platform integrates Two_Arch2 into an interface that visually and interactively demonstrates the evolutionary process in real-time. Designed to bridge theoretical optimisation strategies with practical game generation applications, the interface is also accessible to both researchers and beginners to multi-objective evolutionary algorithms or procedural content generation on a website. Through dynamic visualisations and interactive gameplay demonstrations, this web-based platform also has potential as an educational tool.
• Abstract（参考訳）: 本稿では,多目的進化アルゴリズムを解釈する対話型プラットフォームを提案する。 プロシージャコンテンツ生成において広く利用されているショーケースとして、ソコバンレベル生成が選択される。 ソコバンレベルの空さと空間的多様性のバランスをとることにより、改良された2階層型アルゴリズムであるTwo_Arch2が、よく知られた多目的進化アルゴリズムであることを示す。 当社のWebプラットフォームでは,Two_Arch2を視覚的かつインタラクティブに進化過程をリアルタイムで示すインターフェースに統合しています。 理論最適化戦略を実用的なゲーム生成アプリケーションにブリッジするために設計されたこのインタフェースは、研究者と初心者の両方が多目的進化アルゴリズムやウェブサイト上の手続き的コンテンツ生成にアクセスできる。 ダイナミックな視覚化とインタラクティブなゲームプレイデモを通じて、このウェブベースのプラットフォームは教育ツールとしても可能性を持っている。

関連論文リスト

• 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)
• Graphical Object-Centric Actor-Critic [55.2480439325792]
  本稿では,アクター批判とモデルに基づくアプローチを組み合わせたオブジェクト中心強化学習アルゴリズムを提案する。 変換器エンコーダを用いてオブジェクト表現とグラフニューラルネットワークを抽出し、環境のダイナミクスを近似する。 本アルゴリズムは,現状のモデルフリーアクター批判アルゴリズムよりも複雑な3次元ロボット環境と構成構造をもつ2次元環境において,より優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-10-26T06:05:12Z)
• Cognitive modeling and learning with sparse binary hypervectors [0.0]
  学習アルゴリズムは、入力データストリームからモデルをブートストラップするために導入された。 トレーニングはオンラインで行われ、推論はセッション中である。 NLP(Natural Language Processing)分野におけるさらなる応用について検討する。
  論文  参考訳（メタデータ） (2023-09-16T01:58:51Z)
• Combined CNN Transformer Encoder for Enhanced Fine-grained Human Action Recognition [11.116921653535226]
  本稿では,CNNビジョンバックボーンとTransformerを組み合わせた2つのフレームワークについて検討する。 実験の結果,トランスフォーマーエンコーダフレームワークはいずれも,潜時的意味論と相互モダリティ関連を効果的に学習していることがわかった。 我々は,両アーキテクチャのFinGymベンチマークデータセットに対して,最先端性能を新たに実現した。
  論文  参考訳（メタデータ） (2022-08-03T08:01:55Z)
• Exploring Intra- and Inter-Video Relation for Surgical Semantic Scene Segmentation [58.74791043631219]
  セグメンテーション性能を高めるために,映像内および映像間関係を補完する新しいフレームワークSTswinCLを提案する。 本研究では,EndoVis18 ChallengeとCaDISデータセットを含む2つの公開手術ビデオベンチマークに対するアプローチを広く検証する。 実験により,従来の最先端手法を一貫して超越した提案手法の有望な性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T05:52:23Z)
• Analogous to Evolutionary Algorithm: Designing a Unified Sequence Model [58.17021225930069]
  実演的進化アルゴリズム(EA)と類似した視覚変換器の合理性について説明する。 我々は、より効率的なEATモデルを提案し、様々なタスクに柔軟に対処するタスク関連ヘッドを設計する。 近年のビジョントランスに比べて,イメージネット分類作業における最先端の成果が得られている。
  論文  参考訳（メタデータ） (2021-05-31T16:20:03Z)
• Investigating Bi-Level Optimization for Learning and Vision from a Unified Perspective: A Survey and Beyond [114.39616146985001]
  機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。 本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。 次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
  論文  参考訳（メタデータ） (2021-01-27T16:20:23Z)
• Embedded Deep Bilinear Interactive Information and Selective Fusion for Multi-view Learning [70.67092105994598]
  本稿では,上記の2つの側面に着目した,新しい多視点学習フレームワークを提案する。 特に、さまざまな深層ニューラルネットワークをトレーニングして、様々なビュー内表現を学習する。 6つの公開データセットの実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-07-13T01:13:23Z)
• Network Bending: Expressive Manipulation of Deep Generative Models [0.2062593640149624]
  ネットワーク曲げと呼ばれる深層生成モデルを操作するための新しいフレームワークを提案する。 生成過程において意味論的に意味のある側面を直接操作できるだけでなく、幅広い表現的な結果を得ることができるかを示す。
  論文  参考訳（メタデータ） (2020-05-25T21:48:45Z)

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。