論文の概要: Balancing Pareto Front exploration of Non-dominated Tournament Genetic Algorithm (B-NTGA) in solving multi-objective NP-hard problems with constraints
- arxiv url: http://arxiv.org/abs/2410.05701v2
- Date: Mon, 14 Oct 2024 12:01:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-01 16:59:10.144851
- Title: Balancing Pareto Front exploration of Non-dominated Tournament Genetic Algorithm (B-NTGA) in solving multi-objective NP-hard problems with constraints
- Title（参考訳）: 制約付き多目的NPハード問題の解法における非支配的トーナメント遺伝的アルゴリズム(B-NTGA)のバランシングパレートフロント探索
- Authors: Michał Antkiewicz, Paweł B. Myszkowski,
- Abstract要約: 提案手法をB-NTGA(B-NTGA)に適用した新しい平衡選択演算子を提案する。
提案したB-NTGAは,Thief Traveling ProblemやMulti-Skill Resource-Constrained Project Scheduling Problemのような,多目的および多目的の現実世界の2つのベンチマークで検討した。
実験の結果,B-NTGAは最先端手法よりも効率が高く,性能も優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper presents a new balanced selection operator applied to the proposed Balanced Non-dominated Tournament Genetic Algorithm (B-NTGA) that actively uses archive to solve multi- and many-objective NP-hard combinatorial optimization problems with constraints. The primary motivation is to make B-NTGA more efficient in exploring Pareto Front Approximation (PFa), focusing on 'gaps' and reducing some PFa regions' sampling too frequently. Such a balancing mechanism allows B-NTGA to be more adaptive and focus on less explored PFa regions. The proposed B-NTGA is investigated on two benchmark multi- and many-objective optimization real-world problems, like Thief Traveling Problem and Multi-Skill Resource-Constrained Project Scheduling Problem. The results of experiments show that B-NTGA has a higher efficiency and better performance than state-of-the-art methods.
- Abstract（参考訳）: 本稿では,複数目的のNP-ハード組合せ最適化問題を制約付きで解決するために,アーカイブを積極的に活用するバランスド非支配的トーナメント遺伝的アルゴリズム (B-NTGA) に適用した新たな平衡選択演算子を提案する。
主な動機は、PFa(Pareto Front Approximation)の探索においてB-NTGAをより効率的にすることであり、「ギャップ」に着目し、PFa領域を減らしすぎている。
このようなバランス機構により、B-NTGAはより適応性が高く、探索の少ないPFa領域に集中することができる。
提案したB-NTGAは,Thief Traveling ProblemやMulti-Skill Resource-Constrained Project Scheduling Problemのような,多目的および多目的の現実世界の2つのベンチマークで検討した。
実験の結果,B-NTGAは最先端手法よりも効率が高く,性能も優れていた。
関連論文リスト
- A Primal-Dual-Assisted Penalty Approach to Bilevel Optimization with Coupled Constraints [66.61399765513383]
We developed a BLOCC algorithm to tackle BiLevel Optimization problems with Coupled Constraints。
2つのよく知られた実世界のアプリケーションでその効果を実証する。
論文 参考訳（メタデータ） (2024-06-14T15:59:36Z) - A biased random-key genetic algorithm with variable mutants to solve a vehicle routing problem [0.0]
本稿では、ロジスティクスと車両ルーティングの分野におけるバイアスランダム鍵遺伝的アルゴリズム(BRKGA)について検討する。
このアルゴリズムの応用は、Occasional Drivers and Time Window (VRPODTW) による車両ルーティング問題(英語版)の枠組みの中で文脈化される。
本研究は、BRKGA-VMという、世代によって異なる変異集団を特徴とする新しいBRKGAを紹介する。
論文 参考訳（メタデータ） (2024-05-01T01:25:16Z) - An Efficient Learning-based Solver Comparable to Metaheuristics for the
Capacitated Arc Routing Problem [67.92544792239086]
我々は,高度メタヒューリスティックスとのギャップを著しく狭めるため,NNベースの解法を導入する。
まず,方向対応型注意モデル(DaAM)を提案する。
第2に、教師付き事前学習を伴い、堅牢な初期方針を確立するための教師付き強化学習スキームを設計する。
論文 参考訳（メタデータ） (2024-03-11T02:17:42Z) - 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) - Niching-based Evolutionary Diversity Optimization for the Traveling
Salesperson Problem [17.268191781480745]
本稿では,旅行セールスパーソン問題(TSP)に対するツアーの集合を,所定のコスト制約を満たしつつ,多様性を最大化する問題を考える。
本研究は, ニッチ適用による多様性の最大化効果を, 単に維持することよりも検討することを目的とする。
論文 参考訳（メタデータ） (2022-01-25T13:40:27Z) - Result Diversification by Multi-objective Evolutionary Algorithms with
Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。
GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。
目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文 参考訳（メタデータ） (2021-10-18T14:00:22Z) - Improved Branch and Bound for Neural Network Verification via Lagrangian
Decomposition [161.09660864941603]
ニューラルネットワークの入出力特性を公式に証明するためのブランチとバウンド(BaB)アルゴリズムのスケーラビリティを改善します。
活性化に基づく新しい分岐戦略とBaBフレームワークであるブランチとデュアルネットワーク境界(BaDNB)を提案する。
BaDNBは、従来の完全検証システムを大きなマージンで上回り、対数特性で平均検証時間を最大50倍に削減した。
論文 参考訳（メタデータ） (2021-04-14T09:22:42Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - A Multifactorial Optimization Paradigm for Linkage Tree Genetic
Algorithm [13.056730270950235]
マルチファクター木遺伝的アルゴリズム (MF-LTGA) を導入し, 同時に複数の最適化課題に取り組む。
MF-LTGAは複数の最適化タスクを同時にこなすことができ、各タスクは共有表現から問題変数間の依存関係を学習する。
LTGAや既存の手法と比較して、MF-LTGAはソリューションの品質や時間に優れています。
論文 参考訳（メタデータ） (2020-05-06T19:28:39Z) - Tip the Balance: Improving Exploration of Balanced Crossover Operators
by Adaptive Bias [2.610470075814367]
遺伝的アルゴリズム(GA)におけるバランスの取れたクロスオーバー演算子の使用は、子孫として生成された二進文字列が両親と同じハミング重みを持つことを保証している。
この手法は,探索空間のサイズを小さくするが,GAが探索することが困難になることが多い。
本論文では、対向型クロスオーバー演算子に適応バイアス戦略を適用することにより、この問題を考察した。
論文 参考訳（メタデータ） (2020-04-23T17:26:43Z) - Multifactorial Cellular Genetic Algorithm (MFCGA): Algorithmic Design,
Performance Comparison and Genetic Transferability Analysis [17.120962133525225]
多目的最適化は先進的な研究領域であり、近年顕著な研究の勢いを増している。
本稿では,多因子最適化シナリオのための新しいアルゴリズムスキームを提案する。
提案したMFCGAはセルオートマタの概念に基づいて,問題間の知識交換機構を実装している。
論文 参考訳（メタデータ） (2020-03-24T11:03:55Z)
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。