論文の概要: A RankNet-Inspired Surrogate-Assisted Hybrid Metaheuristic for Expensive Coverage Optimization

• arxiv url: http://arxiv.org/abs/2501.07375v2
• Date: Thu, 27 Feb 2025 04:32:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 15:15:46.356982
• Title: A RankNet-Inspired Surrogate-Assisted Hybrid Metaheuristic for Expensive Coverage Optimization
• Title（参考訳）: RankNetをベースとしたサーロゲート型ハイブリッドメタヒューリスティックによる包絡最適化
• Authors: Tongyu Wu, Changhao Miao, Yuntian Zhang, Fang Deng, Chen Chen,
• Abstract要約: 大規模カバレッジ最適化タスクを処理するために,RangeNetによるSurrogate支援ハイブリッドメタヒューリスティックを提案する。 我々のアルゴリズムは、EMVOPの最先端アルゴリズムを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 5.757318591302855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coverage optimization generally involves deploying a set of facilities to best satisfy the demands of specified points, with broad applications in fields such as location science and sensor networks. Recent applications reveal that the subset site selection coupled with continuous angular parameter optimization can be formulated as Mixed-Variable Optimization Problems (MVOPs). Meanwhile, high-fidelity discretization and visibility analysis significantly increase computational cost and complexity, evolving the MVOP into an Expensive Mixed-Variable Optimization Problem (EMVOP). While canonical Evolutionary Algorithms have yielded promising results, their reliance on numerous fitness evaluations is too costly for our problem. Furthermore, most surrogate-assisted methods face limitations due to their reliance on regression-based models. To address these issues, we propose the RankNet-Inspired Surrogate-assisted Hybrid Metaheuristic (RI-SHM), an extension of our previous work. RI-SHM integrates three key components: (1) a RankNet-based pairwise global surrogate that innovatively predicts rankings between pairs of individuals, bypassing the challenges of fitness estimation in discontinuous solution space; (2) a surrogate-assisted local Estimation of Distribution Algorithm that enhances local exploitation and helps escape from local optima; and (3) a fitness diversity-driven switching strategy that dynamically balances exploration and exploitation. Experiments demonstrate that our algorithm can effectively handle large-scale coverage optimization tasks of up to 300 dimensions and more than 1,800 targets within desirable runtime. Compared to state-of-the-art algorithms for EMVOPs, RI-SHM consistently outperforms them by up to 56.5$\%$ across all tested instances.
• Abstract（参考訳）: 被覆最適化は通常、特定の点の要求を最大限に満たすための一連の施設を配置し、位置科学やセンサーネットワークなどの分野に広く応用する。 近年の応用では、連続角パラメータ最適化と結合した部分集合サイト選択を混合変数最適化問題 (MVOP) として定式化することができる。 一方、高忠実度離散化と可視性解析は計算コストと複雑性を著しく増加させ、MVOPをEMVOP(Expensive Mixed-Variable Optimization Problem)へと進化させた。 標準進化アルゴリズムは有望な結果を得たが、多くの適合度評価への依存は我々の問題には高すぎる。 さらに、ほとんどの代理支援手法は回帰モデルに依存しているため制限に直面している。 これらの課題に対処するため、我々はRangeNet-Inspired Surrogate-assisted Hybrid Metaheuristic (RI-SHM)を提案する。 RI-SHMは,(1)不連続解空間における適合度推定の課題を回避し,一対の個人間のランキングを革新的に予測するRandNetベースのペアワイドグローバルサロゲート,(2)局所的利用を高め,局所的最適から逃れるための分布アルゴリズムのサロゲート支援ローカル推定,(3)動的に探索と利用のバランスをとるフィットネス多様性駆動型スイッチング戦略の3つの重要な構成要素を統合した。 実験の結果,提案アルゴリズムは,最大300次元の大規模カバレッジ最適化タスクを望ましいランタイム内で効果的に処理できることが確認された。 EMVOPの最先端アルゴリズムと比較すると、RI-SHMは全てのテストインスタンスで56.5$\%以上のパフォーマンスを保っている。

関連論文リスト

• Regularized infill criteria for multi-objective Bayesian optimization with application to aircraft design [0.565395466029518]
  本稿では,SEGOMOEの専門家の混在による超効率的なグローバル最適化を拡張し,制約付き多目的問題の解法を提案する。 提案手法の利点は、制約のない既知の多目的ベンチマーク問題に示される。 予備的な結果は,関数評価における総コストを,進化的アルゴリズムNSGA-IIと比較して20倍に削減したことを示している。
  論文  参考訳（メタデータ） (2025-04-11T16:24:40Z)
• Constrained Hybrid Metaheuristic Algorithm for Probabilistic Neural Networks Learning [0.3686808512438362]
  本研究では、確率論的ニューラルネットワーク(PNN)のトレーニングを強化するためのハイブリッドメタヒューリスティックアルゴリズムの可能性について検討する。 勾配に基づくアプローチのような伝統的な学習手法は、しばしば高次元で不確実な環境を最適化するのに苦労する。 本稿では,複数の個体群に基づく最適化手法を組み合わせた制約付きハイブリッドメタヒューリスティック(cHM)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T19:49:16Z)
• Access Point Deployment for Localizing Accuracy and User Rate in Cell-Free Systems [22.49391459228811]
  次世代モバイルネットワークは、ユビキタスなカバレッジとネットワークセンシングを提供するように設計されている。 細胞フリーは、この展望を実現するための有望な技術である。 本稿では,セルフリーシステムにおけるポイント(AP)配置の問題に取り組むことを目的とする。
  論文  参考訳（メタデータ） (2024-12-10T01:22:32Z)
• Integrating Chaotic Evolutionary and Local Search Techniques in Decision Space for Enhanced Evolutionary Multi-Objective Optimization [1.8130068086063336]
  本稿では,SOMMOP(Single-Objective Multi-Modal Optimization)とMOO(Multi-Objective Optimization)の両方に焦点を当てる。 SOMMOPではニッチ技術とカオス進化を統合し,ガウス突然変異を併用したパーシスタンス・クラスタリングを行った。 MOOでは,これらの手法を不確実性に基づく選択,適応的チューニングを組み込んだ包括的フレームワークに拡張し,決定論的群集に半径(R)の概念を導入する。
  論文  参考訳（メタデータ） (2024-11-12T15:18:48Z)
• Distributed genetic algorithm for application placement in the compute continuum leveraging infrastructure nodes for optimization [1.3723120574076126]
  フォグコンピューティングにおける資源最適化のための遺伝的アルゴリズム(GA)の3つの分散設計について述べる。 その結果,分散度が低い設計では従来の手法に匹敵するソリューション品質が得られるが,高いネットワーク負荷が生じることがわかった。
  論文  参考訳（メタデータ） (2024-06-13T09:58:21Z)
• Scalable Online Exploration via Coverability [45.66375686120087]
  探索は、特に関数近似を必要とする高次元領域において、強化学習において大きな課題である。 従来の探索手法を一般化し,3つの基本デシラタをサポートする新しい目的である$L_Coverageを導入する。 $L_Coverageは、カバー可能性の低いMDPにおけるオンライン(リワードフリーまたは報酬駆動)強化学習のための、最初の計算効率のよいモデルベースおよびモデルフリーのアルゴリズムを可能にする。
  論文  参考訳（メタデータ） (2024-03-11T10:14:06Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
  エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。 ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。 提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-10T00:21:10Z)
• 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)
• Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process Optimization [59.45414406974091]
  我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。 NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。 その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)
• Balancing the trade-off between cost and reliability for wireless sensor networks: a multi-objective optimized deployment method [4.031433260365659]
  実用無線センサネットワーク(WSN)の最適配置法を提案する。 我々は競合多目的最適化アルゴリズム(CMOMPA)として知られる新しい多目的最適化アルゴリズムを開発した。 その結果、最適化されたデプロイメントは、デプロイメントコスト、感度信頼性、ネットワーク信頼性のトレードオフのバランスをとることができることがわかった。
  論文  参考訳（メタデータ） (2022-07-19T05:53:55Z)
• A hybrid level-based learning swarm algorithm with mutation operator for solving large-scale cardinality-constrained portfolio optimization problems [0.0]
  本稿では,大規模ポートフォリオ最適化問題の解法として,LLSO(Level-based Learning Swarm)のハイブリッド版を提案する。 我々のゴールは、基数、ボックス、予算の制約を受けるシャープ比の修正式を最大化することです。 このアルゴリズムでは、プロジェクション演算子がこれら3つの制約を同時に処理し、再バランス制約によりトランザクションコストを暗黙的に制御する。
  論文  参考訳（メタデータ） (2022-06-29T16:45:37Z)
• Coverage and Capacity Optimization in STAR-RISs Assisted Networks: A Machine Learning Approach [102.00221938474344]
  再構成可能なインテリジェントサーフェス (STAR-RIS) アシストネットワークを同時に送信および反射するカバレッジとキャパシティ最適化のための新しいモデルを提案する。 損失関数ベースの更新戦略はコアポイントであり、各更新時にmin-normソルバによってカバレッジとキャパシティの両方の損失関数の重みを計算することができる。 解析結果から,提案手法は固定重みに基づくMOアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T13:52:22Z)
• Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
  汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。 本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
  論文  参考訳（メタデータ） (2022-04-08T20:46:16Z)
• GPSAF: A Generalized Probabilistic Surrogate-Assisted Framework for Constrained Single- and Multi-objective Optimization [7.8140593450932965]
  本稿では,一般確率的サロゲート支援フレームワーク(GPSAF)を提案する。 GPSAFは、制約のない、制約のない、単目的および多目的最適化アルゴリズムの幅広いカテゴリに適用できる。
  論文  参考訳（メタデータ） (2022-04-06T13:22:30Z)
• 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)
• Adaptive Stochastic ADMM for Decentralized Reinforcement Learning in Edge Industrial IoT [106.83952081124195]
  強化学習 (Reinforcement Learning, RL) は, 意思決定および最適制御プロセスのための有望な解法として広く研究されている。 本稿では,Adaptive ADMM (asI-ADMM)アルゴリズムを提案する。 実験の結果,提案アルゴリズムは通信コストやスケーラビリティの観点から技術状況よりも優れており,複雑なIoT環境に適応できることがわかった。
  論文  参考訳（メタデータ） (2021-06-30T16:49:07Z)
• A Novel Meta-Heuristic Optimization Algorithm Inspired by the Spread of Viruses [0.0]
  ウイルス拡散最適化(VSO)と呼ばれる,自然に着想を得たメタヒューリスティック最適化アルゴリズムを提案する。 VSOはホスト間のウイルスの拡散を緩やかに模倣し、多くの困難かつ継続的な最適化問題の解決に効果的に適用することができる。
  論文  参考訳（メタデータ） (2020-06-11T09:35:28Z)

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。