論文の概要: Multi-objective Pseudo Boolean Functions in Runtime Analysis: A Review

• arxiv url: http://arxiv.org/abs/2503.19166v1
• Date: Mon, 24 Mar 2025 21:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:51:42.704927
• Title: Multi-objective Pseudo Boolean Functions in Runtime Analysis: A Review
• Title（参考訳）: 多目的擬似ブール関数のランタイム解析への応用
• Authors: Zimin Liang, Miqing Li,
• Abstract要約: 理論領域でよく用いられる多目的関数について調査し,その特徴,限界,実用性への影響を体系的に検討した。 パレートフロントの局所最適性や非線形性など、より現実的な特徴を持ついくつかの新しい関数を、古典的単目的関数を単純に混合しマッチングすることによって提示する。
• 参考スコア（独自算出の注目度）: 3.3472202807168774
• License:
• Abstract: Recently, there has been growing interest within the theoretical community in analytically studying multi-objective evolutionary algorithms. This runtime analysis-focused research can help formally understand algorithm behaviour, explain empirical observations, and provide theoretical insights to support algorithm development and exploration. However, the test problems commonly used in the theoretical analysis are predominantly limited to problems with heavy ``artificial'' characteristics (e.g., symmetric objectives and linear Pareto fronts), which may not be able to well represent realistic scenarios. In this paper, we survey commonly used multi-objective functions in the theory domain and systematically review their features, limitations and implications to practical use. Moreover, we present several new functions with more realistic features, such as local optimality and nonlinearity of the Pareto front, through simply mixing and matching classical single-objective functions in the area (e.g., LeadingOnes, Jump and RoyalRoad). We hope these functions can enrich the existing test problem suites, and strengthen the connection between theoretic and practical research.
• Abstract（参考訳）: 近年,多目的進化アルゴリズムの解析研究における理論的コミュニティの関心が高まっている。 このランタイム分析に焦点を当てた研究は、アルゴリズムの振る舞いを正式に理解し、経験的な観察を説明し、アルゴリズムの開発と探索を支援する理論的洞察を提供する。 しかし、理論解析でよく用いられるテスト問題は、現実的なシナリオをうまく表現できないような「人工的」な特徴(例えば、対称目的と線形パレートフロント)を持つ問題に主に制限されている。 本稿では,理論領域でよく用いられる多目的関数を探索し,その特徴,限界,および実用上の意義を体系的に検討する。 さらに、この領域の古典的単目的関数(例えば、LeadingOnes、Jump、RoyalRoad)を単純に混合してマッチングすることで、Paretoフロントの局所最適性や非線形性などのより現実的な特徴を持ついくつかの新しい関数を提示する。 これらの関数が既存のテスト問題スイートを豊かにし、理論と実践的な研究のつながりを強化することを願っている。

関連論文リスト

• Empirical Tests of Optimization Assumptions in Deep Learning [41.05664717242051]
  本稿では,理論解析において制御しなければならない重要な量を追跡するための新しい経験的指標を開発する。 テストされたすべての仮定は、確実に最適化性能を捉えられません。 このことは、理論解析に使用される解析的仮定の新しい実証的検証の必要性を強調している。
  論文  参考訳（メタデータ） (2024-07-01T21:56:54Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• On the Dynamics Under the Unhinged Loss and Beyond [104.49565602940699]
  我々は、閉形式力学を解析するための数学的機会を提供する、簡潔な損失関数であるアンヒンジド・ロスを導入する。 アンヒンジされた損失は、時間変化学習率や特徴正規化など、より実践的なテクニックを検討することができる。
  論文  参考訳（メタデータ） (2023-12-13T02:11:07Z)
• Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
  本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。 これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。 提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
  論文  参考訳（メタデータ） (2023-04-14T11:35:35Z)
• Offline Reinforcement Learning with Differentiable Function Approximation is Provably Efficient [65.08966446962845]
  歴史的データを用いて意思決定戦略を最適化することを目的としたオフライン強化学習は、現実の応用に広く適用されている。 微分関数クラス近似(DFA)を用いたオフライン強化学習の検討から一歩踏み出した。 最も重要なことは、悲観的な適合Q-ラーニングアルゴリズムを解析することにより、オフライン微分関数近似が有効であることを示すことである。
  論文  参考訳（メタデータ） (2022-10-03T07:59:42Z)
• A Principled Method for the Creation of Synthetic Multi-fidelity Data Sets [3.512854793379827]
  マルチファイダリティとマルチアウトプット最適化アルゴリズムは、実験的および計算的プロキシを最適な種を探索するためにインテリジェントに使用できる。 これらのアルゴリズムの特徴付けには、典型的には分析関数または既存の多重忠実度データセットを使用するベンチマークが含まれる。 本稿では, 基準基底真理関数から導出される合成忠実度を, 制御可能な相関度で体系的に生成する手法を提案する。
  論文  参考訳（メタデータ） (2022-08-11T06:55:14Z)
• Efficient Dependency Analysis for Rule-Based Ontologies [0.2752817022620644]
  既存の規則特性の静的解析のために依存関係が提案されている。 私たちは、ポジティブな依存と抑制という、2種類のルール依存に焦点を当てています。 効率的な計算のために最適化アルゴリズムを実装した。
  論文  参考訳（メタデータ） (2022-07-20T05:53:36Z)
• Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
  本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。 我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。 主アルゴリズムの正確性と収束性を保証する。
  論文  参考訳（メタデータ） (2021-02-01T01:13:03Z)
• On Connections between Regularizations for Improving DNN Robustness [67.28077776415724]
  本稿では,ディープニューラルネットワーク(DNN)の対角的ロバスト性を改善するために最近提案された正規化条件を解析する。 入力勾配正則化,ジャコビアン正則化,曲率正則化,クロスリプシッツ関数など,いくつかの有効な方法間の接続性について検討する。
  論文  参考訳（メタデータ） (2020-07-04T23:43:32Z)
• Fixed-Target Runtime Analysis [8.246980996934347]
  ランタイム分析は、古典的には最適な解決策を見つけるのに必要な時間を研究します。 固定予算分析と固定目標分析の2つの補完的アプローチが提案されている。 固定予算解析と異なり、離散進化アルゴリズムの実行時解析と異なり、多くの古典的手法がより大きな努力を伴わずに固定目標結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-04-20T20:26:35Z)

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。