Fugu-MT 論文翻訳(概要): Non-Dominated Sorting Bidirectional Differential Coevolution

論文の概要: Non-Dominated Sorting Bidirectional Differential Coevolution

arxiv url: http://arxiv.org/abs/2410.19439v1
Date: Fri, 25 Oct 2024 09:58:15 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-28 13:37:30.765060
Title: Non-Dominated Sorting Bidirectional Differential Coevolution
Title（参考訳）: 非支配的ソーティング二方向微分共進化
Authors: Cicero S. R. Mendes, Aluizio F. R. Araújo, Lucas R. C. Farias,
Abstract要約: 本稿では、微分進化(DE)を伴う双方向共進化アルゴリズム(BiCo)の変種を提案する。このモデルの新規性には、主検索エンジンとしてのDE差分変異とクロスオーバー演算子、および非支配的なソート選択スキームが含まれる。 2つのベンチマークテストスイートと8つの実世界のCMOPの実験結果から、提案モデルが元のモデルよりも全体的な性能に到達したことが示唆された。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Constrained multiobjective optimization problems (CMOPs) are commonly found in real-world applications. CMOP is a complex problem that needs to satisfy a set of equality or inequality constraints. This paper proposes a variant of the bidirectional coevolution algorithm (BiCo) with differential evolution (DE). The novelties in the model include the DE differential mutation and crossover operators as the main search engine and a non-dominated sorting selection scheme. Experimental results on two benchmark test suites and eight real-world CMOPs suggested that the proposed model reached better overall performance than the original model.
Abstract（参考訳）: 制約付き多目的最適化問題(CMOP)は、現実世界のアプリケーションで一般的に見られる。 CMOPは、一組の等式や不等式制約を満たす必要がある複雑な問題である。本稿では,差分進化(DE)を伴う双方向共進化アルゴリズム(BiCo)の変種を提案する。このモデルの新規性には、主検索エンジンとしてのDE差分変異とクロスオーバー演算子、および非支配的なソート選択スキームが含まれる。 2つのベンチマークテストスイートと8つの実世界のCMOPの実験結果から、提案モデルが元のモデルよりも全体的な性能に到達したことが示唆された。

関連論文リスト

Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。 CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。 CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
論文参考訳（メタデータ） (2024-02-05T03:25:04Z)
Comparison of Single- and Multi- Objective Optimization Quality for Evolutionary Equation Discovery [77.34726150561087]
進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
論文参考訳（メタデータ） (2023-06-29T15:37:19Z)
Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文参考訳（メタデータ） (2023-02-24T18:41:48Z)
Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文参考訳（メタデータ） (2022-11-30T18:59:27Z)
Feature subset selection for Big Data via Chaotic Binary Differential Evolution under Apache Spark [4.241208172557663]
本稿では,基数とAUCを含む新しい乗法的単一目的関数を提案する。二項微分進化(BDE)にロジスティックおよびテントカオス写像を組み込み、それをカオス二項微分進化(CBDE)と命名した。その結果,P-CBDE-iS(Chaotic Binary Differential Evolution)とP-CBDE-iS(Chaotic Binary Differential Evolution)により,より高品質な特徴部分集合が得られた。
論文参考訳（メタデータ） (2022-02-08T11:39:40Z)
A novel multiobjective evolutionary algorithm based on decomposition and multi-reference points strategy [14.102326122777475]
分解に基づく多目的進化アルゴリズム(MOEA/D)は、多目的最適化問題(MOP)を解く上で、極めて有望なアプローチであると考えられている。本稿では,よく知られたPascoletti-Serafiniスキャラライゼーション法とマルチ参照ポイントの新たな戦略により,MOEA/Dアルゴリズムの改良を提案する。
論文参考訳（メタデータ） (2021-10-27T02:07:08Z)
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)
A Multi-objective Evolutionary Algorithm for EEG Inverse Problem [0.0]
本稿では,脳波逆問題に対する多目的アプローチを提案する。この問題の特徴から、この代替案にはそれを解決するための進化戦略が含まれていた。その結果、分散ソリューションを推定するために、MOEAAR(Anatomical Restrictions)に基づく多目的進化的アルゴリズムが得られた。
論文参考訳（メタデータ） (2021-07-21T19:37:27Z)
Loss function based second-order Jensen inequality and its application to particle variational inference [112.58907653042317]
粒子変分推論(PVI)は、後部分布の実験的近似としてモデルのアンサンブルを用いる。 PVIは、最適化されたモデルの多様性を保証するために、各モデルを反発力で反復的に更新する。我々は,新たな一般化誤差を導出し,モデルの多様性を高めて低減できることを示す。
論文参考訳（メタデータ） (2021-06-09T12:13:51Z)
A Modular Hybridization of Particle Swarm Optimization and Differential Evolution [3.9430294028981763]
本稿では,各アルゴリズムをモジュール化し,その変種を対応するモジュールの異なる選択肢として組み込むことにより,PSOやDEの変種を組み合わせることを提案する。結果として、PSODEと呼ばれる新しいハイブリダイゼーションは、両側から最新の変種の大半を包含する。より詳しくは、既存のPSO-とDEアルゴリズムから派生した16種類の変分演算子について考察し、4つの異なる選択演算子と組み合わせることで、ハイブリダイゼーションフレームワークが800個の新しいアルゴリズムを生成できるようにする。
論文参考訳（メタデータ） (2020-06-21T19:32:25Z)
dMFEA-II: An Adaptive Multifactorial Evolutionary Algorithm for Permutation-based Discrete Optimization Problems [6.943742860591444]
本稿では、最近導入されたMFEA-II(Multifactorial Evolutionary Algorithm II)を、置換に基づく離散環境に適用する。提案手法の性能を5種類のマルチタスク設定で評価した。
論文参考訳（メタデータ） (2020-04-14T14:42:47Z)

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。