論文の概要: Multiple Global Peaks Big Bang-Big Crunch Algorithm for Multimodal Optimization

• arxiv url: http://arxiv.org/abs/2410.18102v2
• Date: Fri, 08 Nov 2024 11:07:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 18:11:29.098407
• Title: Multiple Global Peaks Big Bang-Big Crunch Algorithm for Multimodal Optimization
• Title（参考訳）: マルチモーダル最適化のためのマルチグローバルピークビッグバン大Crunchアルゴリズム
• Authors: Fabio Stroppa, Ahmet Astar,
• Abstract要約: 本稿では,Multiple Global Peaks Big Bang-Big Crunch (MGP-BBBC)アルゴリズムを提案する。 MGP-BBBCは、人口の最高の個人をクラスターベースの質量中心に分類し、収束を保証するために徐々に低い乱れで拡張する。 20個のマルチモーダルベンチマークテスト関数の実験結果から, MGP-BBBCは, 他の最先端のマルチモーダルに対して, 一般的に, より良く, 競争的に機能することが示された。
• 参考スコア（独自算出の注目度）: 1.006303657343407
• License:
• Abstract: The main challenge of multimodal optimization problems is identifying multiple peaks with high accuracy in multidimensional search spaces with irregular landscapes. This work proposes the Multiple Global Peaks Big Bang-Big Crunch (MGP-BBBC) algorithm, which addresses the challenge of multimodal optimization problems by introducing a specialized mechanism for each operator. The algorithm expands the Big Bang-Big Crunch algorithm, a state-of-the-art metaheuristic inspired by the universe's evolution. Specifically, MGP-BBBC groups the best individuals of the population into cluster-based centers of mass and then expands them with a progressively lower disturbance to guarantee convergence. During this process, it (i) applies a distance-based filtering to remove unnecessary elites such that the ones on smaller peaks are not lost, (ii) promotes isolated individuals based on their niche count after clustering, and (iii) balances exploration and exploitation during offspring generation to target specific accuracy levels. Experimental results on twenty multimodal benchmark test functions show that MGP-BBBC generally performs better or competitively with respect to other state-of-the-art multimodal optimizers.
• Abstract（参考訳）: マルチモーダル最適化問題の主な課題は、不規則な風景を持つ多次元探索空間において、高い精度で複数のピークを特定することである。 本研究は,マルチモーダル最適化の問題に対処するため,各演算子に特別な機構を導入することで,多重グローバルピーク・ビッグバンビッグCrunch(MGP-BBBC)アルゴリズムを提案する。 このアルゴリズムは、宇宙の進化にインスパイアされた最先端のメタヒューリスティックであるBig Bang-Big Crunchアルゴリズムを拡張する。 具体的には、MGP-BBBCは、人口の最高の個人をクラスターベースの質量中心に分類し、収束を保証するために徐々に低い障害で拡張する。 この過程で、 (i)小峰のものが失われないように、不要なエリートを除去するために距離に基づくフィルタリングを適用する。 (二)群集後のニッチ数に基づいて孤立した個人を育成し、 三 特定の精度レベルを目標として、子孫発生時の探索及び利用のバランスをとること。 20個のマルチモーダルベンチマークテスト関数の実験結果から、MGP-BBBCは、他の最先端のマルチモーダルオプティマイザに対して、一般的に、あるいは競争的に優れた性能を発揮することが示された。

関連論文リスト

• A Landscape-Aware Differential Evolution for Multimodal Optimization Problems [13.79078506229117]
  マルチモーダル最適化問題(MMOP)を解く上では,複数のグローバルピークを同時に検出し,検出したピーク上で一定の精度を達成する方法が重要な2つの課題である。 本稿では,ランドスケープ・アウェア・ディファレンシャル・進化(LADE)アルゴリズムを提案する。 LADEは、最近提案された7つの高性能アルゴリズムと、マルチモーダル最適化のためのIEEE CECコンペティションにおける4つの勝者アルゴリズムと比較して、一般的に良い、あるいは競争的な性能が得られることを示した。
  論文  参考訳（メタデータ） (2024-08-05T09:37:55Z)
• Multimodal Optimization with k-Cluster Big Bang-Big Crunch Algorithm and Postprocessing Methods for Identification and Quantification of Optima [0.7639610349097473]
  マルチモーダル最適化は工学的な問題、特に異なる代替解を求める場合にしばしば発生する。 本稿では,あまり知られていないビッグバン・ビッグ・Crunch(BBBC)アルゴリズムがマルチモーダル最適化に適しているかを検討する。
  論文  参考訳（メタデータ） (2023-12-21T06:16:32Z)
• Batch Bayesian Optimization for Replicable Experimental Design [56.64902148159355]
  多くの実世界の設計問題は、大規模で異質な観測ノイズのため、複数の実験条件を並列に評価し、各条件を複数回再現する。 本稿では,3つのアルゴリズムを含むReplicable Experimental Designフレームワークのバッチトンプソンサンプリングを提案する。 我々は,アルゴリズムの有効性を,精密農業とAutoMLの2つの実世界の応用例で示す。
  論文  参考訳（メタデータ） (2023-11-02T12:46:03Z)
• An Optimal Algorithm for the Real-Valued Combinatorial Pure Exploration of Multi-Armed Bandit [65.268245109828]
  多武装バンディット(R-CPE-MAB)の真価純探査問題について検討する。 既存のR-CPE-MABの手法は、いわゆるトランスダクティブ線形帯域の特殊な場合と見なすことができる。 本稿では,差分探索アルゴリズム (CombGapE) を提案する。
  論文  参考訳（メタデータ） (2023-06-15T15:37:31Z)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Multidimensional Assignment Problem for multipartite entity resolution [69.48568967931608]
  Multipartiteエンティティ解決は、複数のデータセットから1つのエンティティにレコードを統合することを目的としている。 代入問題を解くために、グリーディアルゴリズムと大規模近傍探索という2つの手順を適用する。 データベースのサイズが大きくなるにつれて、設計ベースのマルチスタートがより効率的であることを示す。
  論文  参考訳（メタデータ） (2021-12-06T20:34:55Z)
• Max-Min Grouped Bandits [48.62520520818357]
  マルチアームバンディット問題であるmax-min grouped banditsを導入する。 ゴールは、最悪の腕が最高の平均報酬を持つグループを見つけることです。 この問題はレコメンデーションシステムのようなアプリケーションには関心がある。
  論文  参考訳（メタデータ） (2021-11-17T01:59:15Z)
• Hybrid Beamforming for RIS-Aided Communications: Fitness Landscape Analysis and Niching Genetic Algorithm [31.507466525490123]
  Reconfigurable Intelligent Surface (RIS) はコスト効率が良いがエネルギー効率のよい通信を実現するための革新的アプローチである。 総和率問題を解くために,新しいニッチ遺伝的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-19T03:39:37Z)
• Attention-oriented Brain Storm Optimization for Multimodal Optimization Problems [24.38312890501329]
  本稿では,アテンション指向のブレインストーム最適化(ABSO)手法を提案し,アテンション機構を比較的新しいスワムインテリジェンスアルゴリズムに導入する。 一つの大域的最適解に収束するのではなく, 提案手法は探索手順を導出し, 複数の「安定」解に収束させる。
  論文  参考訳（メタデータ） (2021-05-27T12:47:57Z)
• cMLSGA: A Co-Evolutionary Multi-Level Selection Genetic Algorithm for Multi-Objective Optimization [0.0]
  MLSGA(Multi-Level Selection Genetic Algorithm)は、すでに様々な問題に対して優れた性能を示している。 本稿では,共進化を個人ではなく集団間の競争として定義する,個別の共進化機構を提案する。
  論文  参考訳（メタデータ） (2021-04-22T13:52:21Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。