論文の概要: Genetic Algorithm with Innovative Chromosome Patterns in the Breeding Process

• arxiv url: http://arxiv.org/abs/2501.18184v3
• Date: Thu, 26 Jun 2025 04:26:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 15:38:00.127805
• Title: Genetic Algorithm with Innovative Chromosome Patterns in the Breeding Process
• Title（参考訳）: 育種過程における新規染色体パターンを用いた遺伝的アルゴリズム
• Authors: Qingchuan Lyu,
• Abstract要約: 遺伝的アルゴリズム(英: Genetic Algorithm with Border Trades、GAB)は、繁殖過程に新しい染色体パターンを組み込むことで探索を強化する、標準的な遺伝的アルゴリズムの新たな修正である。 GABは、標準的な遺伝的アルゴリズムと比較して、複雑なジョブスケジューリング問題に対する最大8倍の適合性と10倍の高速化を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes Genetic Algorithm with Border Trades (GAB), a novel modification of the standard genetic algorithm that enhances exploration by incorporating new chromosome patterns in the breeding process. This approach significantly mitigates premature convergence and improves search diversity. Empirically, GAB achieves up to 8x higher fitness and 10x faster convergence on complex job scheduling problems compared to standard Genetic Algorithms, reaching average fitness scores of 888 versus 106 in under 20 seconds. On the classic Flip-Flop problem, GAB consistently finds optimal or near-optimal solutions in fewer generations, even as input sizes scale to thousands of bits. These results highlight GAB as a highly effective and computationally efficient alternative for solving large-scale combinatorial optimization problems.
• Abstract（参考訳）: 本稿では,新しい染色体パターンを育種プロセスに組み込むことで探索を促進する,標準遺伝的アルゴリズムの新規な改良であるGAB(Genematic Algorithm with Border Trades)を提案する。 このアプローチは、早期収束を著しく軽減し、探索の多様性を向上させる。 経験的に、GABは標準的な遺伝的アルゴリズムに比べて最大8倍の適合性と10倍の速さで複雑なジョブスケジューリング問題に収束し、平均フィットネススコアは20秒未満で888対106に達する。 古典的なFlip-Flop問題において、GABは、入力サイズが数千ビットにまで拡大しても、より少ない世代で最適または準最適解を見つける。 これらの結果から,GABは大規模組合せ最適化問題の解法として,効率的かつ効率的な代替手段であることが示された。

関連論文リスト

• A Lattice-based Method for Optimization in Continuous Spaces with Genetic Algorithms [0.0]
  本研究は,連続決定変数に多次元制約を組み込む格子に基づく新しい手法を提案する。 提案手法は、連続決定変数のクロスオーバーのための確立された転写技術を統合する。 ドメイン知識を活用し、デザイン空間の実行可能な領域に向けて探索プロセスを導くことを目的としている。
  論文  参考訳（メタデータ） (2024-10-16T03:14:09Z)
• Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
  グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。 ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
  論文  参考訳（メタデータ） (2024-09-16T03:05:11Z)
• Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
  遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
  論文  参考訳（メタデータ） (2024-06-05T06:42:27Z)
• GARA: A novel approach to Improve Genetic Algorithms' Accuracy and Efficiency by Utilizing Relationships among Genes [1.7226572355808027]
  本稿では,遺伝子間の関係を利用してGAの精度と効率を向上させる遺伝子制御遺伝的アルゴリズム(GRGA)を提案する。 我々は、RGGRと呼ばれる溶液空間をカプセル化した有向多部グラフを使用し、各ノードは溶液中の遺伝子に対応し、エッジは隣り合うノード間の関係を表す。 得られたRGGRは、クロスオーバーと突然変異演算子の適切な座を決定するために使用され、それによって進化過程をより速くより良く収束させる。
  論文  参考訳（メタデータ） (2024-04-28T08:33:39Z)
• GE-AdvGAN: Improving the transferability of adversarial samples by gradient editing-based adversarial generative model [69.71629949747884]
  GAN(Generative Adversarial Networks)のような逆生成モデルは、様々な種類のデータを生成するために広く応用されている。 本研究では, GE-AdvGAN という新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-11T16:43:16Z)
• Genetic Algorithm enhanced by Deep Reinforcement Learning in parent selection mechanism and mutation : Minimizing makespan in permutation flow shop scheduling problems [0.18846515534317265]
  RL+GA法はフローショップスケジューリング問題(FSP)で特に検証された。 このハイブリッドアルゴリズムはニューラルネットワーク(NN)を導入し、Qラーニング(Q-learning)というオフ政治手法を使用する。 本研究は, プリミティブGAの性能向上におけるRL+GAアプローチの有効性を明らかにするものである。
  論文  参考訳（メタデータ） (2023-11-10T08:51:42Z)
• Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
  遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。 本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-28T13:05:30Z)
• Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to regulate chromosomes expression [0.0]
  本稿ではメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。 エピジェネティックスアルゴリズムの斬新さは、主に注意機構と深層学習を利用しており、遺伝子/サイレンシングの概念とよく適合している。
  論文  参考訳（メタデータ） (2023-03-15T21:33:21Z)
• Stochastic Gradient Descent-Ascent: Unified Theory and New Efficient Methods [73.35353358543507]
  SGDA(Gradient Descent-Ascent)は、min-max最適化と変分不等式問題(VIP)を解くための最も顕著なアルゴリズムの1つである。 本稿では,多種多様な降下指数法を網羅した統合収束解析を提案する。 本研究では,新しい分散化手法 (L-SVRGDA) や,新しい分散圧縮方式 (QSGDA, DIANA-SGDA, VR-DIANA-SGDA) ,座標ランダム化方式 (SEGA-SGDA) など,SGDAの新しい変種を開発した。
  論文  参考訳（メタデータ） (2022-02-15T09:17:39Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
  本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。 提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。 加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2020-06-11T18:49:06Z)

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。