論文の概要: Illuminating the Diversity-Fitness Trade-Off in Black-Box Optimization
- arxiv url: http://arxiv.org/abs/2408.16393v1
- Date: Thu, 29 Aug 2024 09:55:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-30 14:22:45.078969
- Title: Illuminating the Diversity-Fitness Trade-Off in Black-Box Optimization
- Title(参考訳): ブラックボックス最適化におけるダイバーシティ・フィールド・トレードオフのイルミネーション
- Authors: Maria Laura Santoni, Elena Raponi, Aneta Neumann, Frank Neumann, Mike Preuss, Carola Doerr,
- Abstract要約: 現実世界のアプリケーションでは、ユーザーは1つの高品質なソリューションよりも構造的に多様な設計選択を好むことが多い。
本稿では, この課題に対する新たな視点として, 与えられたしきい値を超えるペア距離の一定数の解を同定する問題を考察する。
- 参考スコア(独自算出の注目度): 9.838618121102053
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In real-world applications, users often favor structurally diverse design choices over one high-quality solution. It is hence important to consider more solutions that decision-makers can compare and further explore based on additional criteria. Alongside the existing approaches of evolutionary diversity optimization, quality diversity, and multimodal optimization, this paper presents a fresh perspective on this challenge by considering the problem of identifying a fixed number of solutions with a pairwise distance above a specified threshold while maximizing their average quality. We obtain first insight into these objectives by performing a subset selection on the search trajectories of different well-established search heuristics, whether specifically designed with diversity in mind or not. We emphasize that the main goal of our work is not to present a new algorithm but to look at the problem in a more fundamental and theoretically tractable way by asking the question: What trade-off exists between the minimum distance within batches of solutions and the average quality of their fitness? These insights also provide us with a way of making general claims concerning the properties of optimization problems that shall be useful in turn for benchmarking algorithms of the approaches enumerated above. A possibly surprising outcome of our empirical study is the observation that naive uniform random sampling establishes a very strong baseline for our problem, hardly ever outperformed by the search trajectories of the considered heuristics. We interpret these results as a motivation to develop algorithms tailored to produce diverse solutions of high average quality.
- Abstract(参考訳): 現実世界のアプリケーションでは、ユーザーは1つの高品質なソリューションよりも構造的に多様な設計選択を好むことが多い。
したがって、意思決定者が追加基準に基づいて比較し、さらに探求できるソリューションを考えることが重要である。
本稿では, 進化的多様性最適化, 品質多様性, マルチモーダル最適化の既存アプローチと並行して, 平均品質を最大化しつつ, 所定の閾値を超えるペア方向の解数を求める問題を考えることにより, この問題に対する新たな視点を示す。
本研究は,多種多様な探索ヒューリスティックの探索軌跡のサブセット選択を行うことにより,これらの目的に対する最初の洞察を得る。
我々は、我々の研究の主目的は、新しいアルゴリズムを提示することではなく、より根本的で理論的な方法で問題を考察することである、と強調する。
これらの知見は、上述したアプローチのベンチマークアルゴリズムに役立てられる最適化問題の性質に関する一般的な主張を行う方法を提供する。
実験的な研究の驚くべき結果は、一様ランダムサンプリングが我々の問題にとって非常に強力なベースラインを確立することであり、考慮されたヒューリスティクスの探索軌跡にはほとんど見劣りしないことである。
我々はこれらの結果を,高平均品質の多様な解を生成するアルゴリズムを開発する動機と解釈する。
関連論文リスト
- Learning Joint Models of Prediction and Optimization [56.04498536842065]
Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。
本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
論文 参考訳(メタデータ) (2024-09-07T19:52:14Z) - Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。
赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
論文 参考訳(メタデータ) (2024-06-21T05:57:08Z) - An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems [0.0]
効率的な確率的選択に基づく制約付き多目的EAをPSCMOEAと呼ぶ。
a) 評価された解の実現可能性と収束状態に基づく適応探索境界同定スキームのような新しい要素を含む。
ECMOPを模擬する低評価予算を用いて, 幅広い制約付き問題に対して, 数値実験を行った。
論文 参考訳(メタデータ) (2024-05-22T02:32:58Z) - Evolutionary Multi-Objective Diversity Optimization [14.930208990741129]
我々はこの問題を、品質と多様性のトレードオフの幅を求める、双方向最適化問題として扱う。
本稿では,既存の進化的多目的探索手法と互換性のある汎用的な実装手法を提案する。
結果、非支配的な人口は豊かな質的な特徴を示し、最適化事例とそれらが引き起こす品質と多様性のトレードオフについて洞察を与える。
論文 参考訳(メタデータ) (2024-01-15T03:59:42Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳(メタデータ) (2023-10-08T23:39:38Z) - Can the Problem-Solving Benefits of Quality Diversity Be Obtained
Without Explicit Diversity Maintenance? [0.0]
適切な比較は、emphmulti-objective Optimization frameworkに対して行われるべきだと我々は主張する。
本稿では, 個人に対する行動記述子の集合を自動的に決定するために, 次元還元を利用した手法を提案する。
論文 参考訳(メタデータ) (2023-05-12T21:24:04Z) - Best-Effort Adaptation [62.00856290846247]
本稿では, 試料再重み付け法に関する新しい理論的解析を行い, 試料再重み付け法を一様に保持する境界について述べる。
これらの境界が、我々が詳細に議論する学習アルゴリズムの設計を導く方法を示す。
本稿では,本アルゴリズムの有効性を実証する一連の実験結果について報告する。
論文 参考訳(メタデータ) (2023-05-10T00:09:07Z) - Evolutionary Diversity Optimisation for The Traveling Thief Problem [11.590506672325668]
解の集合の構造的多様性を最大化する二段階の進化的アルゴリズムを導入する。
多様性を得る最良の方法を実証的に決定する。
実験の結果,ほとんどのTTPベンチマークインスタンスにおける構造的多様性の観点から,QDアプローチの大幅な改善が示された。
論文 参考訳(メタデータ) (2022-04-06T10:13:55Z) - Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。
本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文 参考訳(メタデータ) (2022-01-28T05:53:28Z) - Diversity in Kemeny Rank Aggregation: A Parameterized Approach [3.6603644500568806]
ソリューション多様性と呼ばれる最近の人工知能のトレンドは、最適性の概念の発展に焦点を当てている。
本研究では,この組み合わせがケメニー・ランク・アグリゲーションの分野に与える影響について検討する。
我々の主な成果は、線形に順序付けられた投票よりも伝統的な集計の設定を考えるときと、部分的に投票が順序付けられたより一般的な場合の両方に当てはまる。
論文 参考訳(メタデータ) (2021-05-19T21:50:03Z) - An Analysis of Phenotypic Diversity in Multi-Solution Optimization [118.97353274202749]
マルチモーダル最適化は高い適合性ソリューションを生み出し、品質の多様性は遺伝的中立性に敏感ではない。
オートエンコーダは表現型特徴を自動的に発見するために使用され、品質の多様性を備えたさらに多様なソリューションセットを生成する。
論文 参考訳(メタデータ) (2021-05-10T10:39:03Z)
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。