論文の概要: Optimization of breeding program design through stochastic simulation with evolutionary algorithms
- arxiv url: http://arxiv.org/abs/2407.17286v1
- Date: Mon, 22 Jul 2024 21:10:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-25 13:44:46.641541
- Title: Optimization of breeding program design through stochastic simulation with evolutionary algorithms
- Title（参考訳）: 進化的アルゴリズムを用いた確率シミュレーションによる育種プログラム設計の最適化
- Authors: Azadeh Hassanpour, Johannes Geibel, Henner Simianer, Antje Rohde, Torsten Pook,
- Abstract要約: 本研究では,カーネルレグレッションの概念に基づく最適化フレームワークを提案する。
鍵となる考え方は、育種プログラムの潜在的なパラメータ化のセットを検討し、シミュレーションに基づいてそれらの性能を評価し、これらの出力を使用して新しいパラメータ化を導出することである。
進化的アルゴリズムはSnakemakeパイプラインで実装され、大規模分散コンピューティングプラットフォームでの効率的なスケーリングを可能にした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The effective planning and allocation of resources in modern breeding programs is a complex task. Breeding program design and operational management have a major impact on the success of a breeding program and changing parameters such as the number of selected/phenotyped/genotyped individuals will impact genetic gain, genetic diversity, and costs. As a result, careful assessment and balancing of design parameters is crucial, considering the trade-offs between different breeding goals and associated costs. In a previous study, we optimized the resource allocation strategy in a dairy cattle breeding scheme via the combination of stochastic simulations and kernel regression, aiming to maximize a target function containing genetic gain and the inbreeding rate under a given budget. However, the high number of simulations required when using the proposed kernel regression method to optimize a breeding program with many parameters weakens the effectiveness of such a method. In this work, we are proposing an optimization framework that builds on the concepts of kernel regression but additionally makes use of an evolutionary algorithm to allow for a more effective and general optimization. The key idea is to consider a set of potential parameterizations of the breeding program, evaluate their performance based on stochastic simulations, and use these outputs to derive new parametrization to test in an iterative procedure. The evolutionary algorithm was implemented in a Snakemake pipeline to allow for efficient scaling on large distributed computing platforms. The algorithm achieved convergence to the same optimum with a massively reduced number of simulations. Thereby, the incorporation of class variables and accounting for a higher number of parameters in the optimization pipeline leads to substantially reduced computing time and better scaling for the desired optimization of a breeding program.
- Abstract（参考訳）: 現代の育種プログラムにおける資源の効果的な計画と配分は複雑な作業である。
育種プログラムの設計と運用管理は、育種プログラムの成功に大きな影響を与え、選択された/フェノタイプ/遺伝子型個体の数や遺伝的多様性、コストに影響を及ぼすパラメータを変化させる。
その結果、異なる育種目標と関連するコストのトレードオフを考慮して、デザインパラメータの慎重な評価とバランスが重要である。
前報では, 遺伝的ゲインと交配率を含む目標関数を所定の予算で最大化することを目的として, 確率的シミュレーションとカーネル回帰を組み合わせることにより, 乳牛繁殖方式における資源配分戦略を最適化した。
しかし、多くのパラメータを持つ育種プログラムを最適化するために提案したカーネル回帰法を使用する場合のシミュレーションは、そのような方法の有効性を弱める。
本研究では、カーネル回帰の概念に基づく最適化フレームワークを提案するが、さらに、より効率的で汎用的な最適化を可能にする進化的アルゴリズムを利用する。
鍵となる考え方は、育種プログラムの潜在的なパラメータ化のセットを検討し、確率的シミュレーションに基づいてそれらの性能を評価し、これらの出力を使用して新しいパラメータ化を導出し、反復的な手順でテストすることである。
進化的アルゴリズムはSnakemakeパイプラインで実装され、大規模分散コンピューティングプラットフォームでの効率的なスケーリングを可能にした。
このアルゴリズムは、膨大な数のシミュレーションで同じ最適値に収束することに成功した。
これにより、クラス変数の組み込みと最適化パイプラインのパラメータ数の増大により、計算時間が大幅に削減され、育種プログラムの望ましい最適化のためのスケーリングが向上する。
関連論文リスト
- Frog-Snake prey-predation Relationship Optimization (FSRO) : A novel nature-inspired metaheuristic algorithm for feature selection [0.0]
本研究では,Frog-Snake prey-predation Relationship Optimization (FSRO)アルゴリズムを提案する。
カエルとヘビの捕食関係から着想を得て、離散最適化問題に適用した。
提案アルゴリズムは26種類の機械学習データセットを用いて特徴選択に関する計算実験を行う。
論文 参考訳（メタデータ） (2024-02-13T06:39:15Z) - Target Variable Engineering [0.0]
数値的対象を予測するために訓練された回帰モデルの予測性能と、2項化対象を予測するために訓練された分類器を比較した。
回帰は最適性能に収束するためには、はるかに多くの計算作業を必要とする。
論文 参考訳（メタデータ） (2023-10-13T23:12:21Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - A Data-Driven Evolutionary Transfer Optimization for Expensive Problems
in Dynamic Environments [9.098403098464704]
データ駆動、つまりサロゲート支援、進化的最適化は、高価なブラックボックス最適化問題に対処するための効果的なアプローチとして認識されている。
本稿では,データ駆動型進化的最適化により動的最適化問題を解くための,シンプルだが効果的な伝達学習フレームワークを提案する。
提案手法の有効性を実世界のケーススタディで実証した。
論文 参考訳（メタデータ） (2022-11-05T11:19:50Z) - Accelerating the Evolutionary Algorithms by Gaussian Process Regression
with $\epsilon$-greedy acquisition function [2.7716102039510564]
本稿では,最適化の収束を早めるために,エリート個人を推定する新しい手法を提案する。
我々の提案には、エリート個人を推定し、最適化の収束を加速する幅広い見通しがある。
論文 参考訳（メタデータ） (2022-10-13T07:56:47Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - Data-driven evolutionary algorithm for oil reservoir well-placement and
control optimization [3.012067935276772]
一般化されたデータ駆動進化アルゴリズム(GDDE)は、適切な配置と制御最適化問題で実行されるシミュレーションの数を減らすために提案される。
確率的ニューラルネットワーク(PNN)は、情報的および有望な候補を選択するための分類器として採用されている。
論文 参考訳（メタデータ） (2022-06-07T09:07:49Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box
Optimization Framework [100.36569795440889]
この作業は、一階情報を必要としない零次最適化(ZO)の反復である。
座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
論文 参考訳（メタデータ） (2020-12-21T17:29:58Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z) - Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。
このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。
提案手法の順序の順序による時間収束を,総じて低減する。
論文 参考訳（メタデータ） (2020-05-21T20:59:11Z)
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。