Fugu-MT 論文翻訳(概要): Smart Starts: Accelerating Convergence through Uncommon Region Exploration

論文の概要: Smart Starts: Accelerating Convergence through Uncommon Region Exploration

arxiv url: http://arxiv.org/abs/2505.05661v1
Date: Thu, 08 May 2025 21:36:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-12 20:40:10.092364
Title: Smart Starts: Accelerating Convergence through Uncommon Region Exploration
Title（参考訳）: スマートスタート:非共通領域探索による収束の加速
Authors: Xinyu Zhang, Mário Antunes, Tyler Estro, Erez Zadok, Klaus Mueller,
Abstract要約: 本研究では,空空間探索アルゴリズム(ESA)と対向学習(OBL)を組み合わせたハイブリッド戦略を提案する。 OBLは最初、多様な個体群を発生させ、その後ESAによって増強され、探索下にある地域を特定する。このシナジーは人口の多様性を高め、収束を加速し、複雑な高次元最適化問題におけるEA性能を向上させる。
参考スコア（独自算出の注目度）: 22.806659781921432
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Initialization profoundly affects evolutionary algorithm (EA) efficacy by dictating search trajectories and convergence. This study introduces a hybrid initialization strategy combining empty-space search algorithm (ESA) and opposition-based learning (OBL). OBL initially generates a diverse population, subsequently augmented by ESA, which identifies under-explored regions. This synergy enhances population diversity, accelerates convergence, and improves EA performance on complex, high-dimensional optimization problems. Benchmark results demonstrate the proposed method's superiority in solution quality and convergence speed compared to conventional initialization techniques.
Abstract（参考訳）: 初期化は、探索軌跡と収束を定め、進化的アルゴリズム(EA)の有効性に大きく影響する。本研究では,空空間探索アルゴリズム(ESA)と対向学習(OBL)を組み合わせたハイブリッド初期化戦略を提案する。 OBLは最初、多様な個体群を発生させ、その後ESAによって増強され、探索下にある地域を特定する。このシナジーは人口の多様性を高め、収束を加速し、複雑な高次元最適化問題におけるEA性能を向上させる。ベンチマークの結果は,従来の初期化手法と比較して解法の品質と収束速度が優れていることを示した。

関連論文リスト

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)
Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
論文参考訳（メタデータ） (2024-07-22T23:24:03Z)
Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
論文参考訳（メタデータ） (2024-06-19T07:17:04Z)
A Nonlinear African Vulture Optimization Algorithm Combining Henon Chaotic Mapping Theory and Reverse Learning Competition Strategy [9.252838762325927]
ヘノンのカオスマッピング理論とエリート集団戦略は、ハゲワシの初期個体数のランダム性と多様性を改善するために提案されている。逆学習競争戦略は、最適解に対する発見分野の拡大を目的としている。提案したHWEAVOAは, 収束速度, 最適化能力, 解安定性における比較アルゴリズムよりも優れている全試験関数で第1位である。
論文参考訳（メタデータ） (2024-03-22T01:20:45Z)
Reinforcement Learning-assisted Evolutionary Algorithm: A Survey and Research Opportunities [63.258517066104446]
進化的アルゴリズムの構成要素として統合された強化学習は,近年,優れた性能を示している。本稿では,RL-EA 統合手法,RL-EA が採用する RL-EA 支援戦略,および既存文献による適用について論じる。 RL-EAセクションの適用例では、RL-EAのいくつかのベンチマークおよび様々な公開データセットにおける優れた性能を示す。
論文参考訳（メタデータ） (2023-08-25T15:06:05Z)
A Hybrid Chimp Optimization Algorithm and Generalized Normal Distribution Algorithm with Opposition-Based Learning Strategy for Solving Data Clustering Problems [0.0]
本稿では、類似データと異種データを異なるグループに分類するコネクティビティ原則に基づいて、クラスタを分離するデータクラスタリングについて検討する。メタヒューリスティック最適化アルゴリズムとインテリジェンスに基づく手法が,最適解を妥当な時間で達成するために導入された。
論文参考訳（メタデータ） (2023-02-16T23:29:01Z)
Communication-Efficient Federated Bilevel Optimization with Local and Global Lower Level Problems [118.00379425831566]
我々はFedBiOAccという通信効率の高いアルゴリズムを提案する。我々は、FedBiOAcc-Localがこの種の問題に対して同じ速度で収束していることを証明する。実験結果から,アルゴリズムの性能が向上した。
論文参考訳（メタデータ） (2023-02-13T21:28:53Z)
Hybrid Henry Gas Solubility Optimization Algorithm with Dynamic Cluster-to-Algorithm Mapping for Search-based Software Engineering Problems [1.0323063834827413]
本稿ではHenry Gas Solubility Optimization(HGSO)アルゴリズムの新しい変種であるHGSO(Hybrid HGSO)について述べる。前者とは異なり、HHGSOは異なるメタヒューリスティックアルゴリズムを提供する複数のクラスタを同じ集団内で共存させることができる。 HHGSOは、適応的な切替係数を持つペナル化および報酬モデルによる動的クラスタ-アルゴリズムマッピングを発明し、メタヒューリスティックなハイブリダイゼーションのための新しいアプローチを提供する。
論文参考訳（メタデータ） (2021-05-31T12:42:15Z)
EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文参考訳（メタデータ） (2020-07-09T10:19:22Z)
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。