論文の概要: Enhanced Ideal Objective Vector Estimation for Evolutionary Multi-Objective Optimization

• arxiv url: http://arxiv.org/abs/2505.21903v1
• Date: Wed, 28 May 2025 02:36:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.374621
• Title: Enhanced Ideal Objective Vector Estimation for Evolutionary Multi-Objective Optimization
• Title（参考訳）: 進化的多目的最適化のための理想的ベクトル推定法
• Authors: Ruihao Zheng, Zhenkun Wang, Yin Wu, Maoguo Gong,
• Abstract要約: 理想目的ベクトルは、$m$オブジェクト最適化問題における$m$オブジェクト最適化関数の最適値を構成するもので、進化的多目的最適化において重要な概念である。 本稿では, 人口推定法は単純な問題にのみ適用可能であるが, 重大なバイアスのある問題には適用できないことを明らかにする。 多目的進化アルゴリズムには、拡張理想主観的ベクトル推定(EIE)と呼ばれるプラグアンドプレイコンポーネントが導入された。
• 参考スコア（独自算出の注目度）: 24.71649541757315
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ideal objective vector, which comprises the optimal values of the $m$ objective functions in an $m$-objective optimization problem, is an important concept in evolutionary multi-objective optimization. Accurate estimation of this vector has consistently been a crucial task, as it is frequently used to guide the search process and normalize the objective space. Prevailing estimation methods all involve utilizing the best value concerning each objective function achieved by the individuals in the current or accumulated population. However, this paper reveals that the population-based estimation method can only work on simple problems but falls short on problems with substantial bias. The biases in multi-objective optimization problems can be divided into three categories, and an analysis is performed to illustrate how each category hinders the estimation of the ideal objective vector. Subsequently, a set of test instances is proposed to quantitatively evaluate the impact of various biases on the ideal objective vector estimation method. Beyond that, a plug-and-play component called enhanced ideal objective vector estimation (EIE) is introduced for multi-objective evolutionary algorithms (MOEAs). EIE features adaptive and fine-grained searches over $m$ subproblems defined by the extreme weighted sum method. EIE finally outputs $m$ solutions that can well approximate the ideal objective vector. In the experiments, EIE is integrated into three representative MOEAs. To demonstrate the wide applicability of EIE, algorithms are tested not only on the newly proposed test instances but also on existing ones. The results consistently show that EIE improves the ideal objective vector estimation and enhances the MOEA's performance.
• Abstract（参考訳）: 理想目的ベクトルは、$m$オブジェクト最適化問題における$m$オブジェクト最適化関数の最適値を構成するもので、進化的多目的最適化において重要な概念である。 このベクトルの正確な推定は、探索プロセスの導出と対象空間の正規化に頻繁に使用されるため、一貫して重要なタスクである。 一般的な推定手法は、現在または蓄積されている人口の個人によって達成される各目的関数に関する最良値を活用することである。 しかし,本研究では,人口推定法は単純な問題にのみ適用可能であるが,重大なバイアスのある問題には適用できないことを明らかにした。 多目的最適化問題のバイアスを3つのカテゴリに分けることができ、各カテゴリが理想的な目的ベクトルの推定を妨げていることを示す分析を行う。 その後, 種々のバイアスの影響を定量的に評価するために, 理想的な客観的ベクトル推定法を提案する。 さらに,多目的進化アルゴリズム (MOEA) に対して,拡張理想主観的ベクトル推定 (EIE) と呼ばれるプラグアンドプレイコンポーネントを導入する。 EIEは、超重み付き和法で定義される$m$サブプロブレムに対する適応的かつきめ細かな探索を特徴としている。 EIEは最終的に理想的な客観的ベクトルをうまく近似できる$m$の解を出力する。 実験では、EIEは3つの代表MOEAに統合される。 EIEの広範な適用性を示すために、アルゴリズムは新しく提案されたテストインスタンスだけでなく、既存のインスタンスでもテストされる。 その結果、EIE は理想的な客観的ベクトル推定を改善し、MOEA の性能を向上させることが一貫して示されている。

関連論文リスト

• Decoding-Time Language Model Alignment with Multiple Objectives [116.42095026960598]
  既存の手法は主に、1つの報酬関数に対してLMを最適化することに集中し、それらの適応性は様々な目的に制限される。 本稿では,予測の線形結合から次のトークンを出力する復号時間アルゴリズムである$textbfmulti-objective decoding (MOD)$を提案する。 提案手法は, 自然条件下であっても, 既存のアプローチが準最適であることを示すとともに, 提案手法の最適性を保証する。
  論文  参考訳（メタデータ） (2024-06-27T02:46:30Z)
• Bayesian Inverse Transfer in Evolutionary Multiobjective Optimization [29.580786235313987]
  InvTrEMO(InvTrEMO)の第1回リバーストランスファー・マルチオブジェクト(InvTrEMO)を紹介する。 InvTrEMOは、決定空間がタスク間で正確に整合していない場合でも、多くの一般的な領域で共通の目的関数を利用する。 InvTrEMOは、高い精度の逆モデルを重要な副産物とし、オンデマンドで調整されたソリューションの生成を可能にする。
  論文  参考訳（メタデータ） (2023-12-22T14:12:18Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
  本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。 木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。 3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
  論文  参考訳（メタデータ） (2022-09-09T14:58:43Z)
• Batched Data-Driven Evolutionary Multi-Objective Optimization Based on Manifold Interpolation [6.560512252982714]
  バッチ化されたデータ駆動型進化的多目的最適化を実現するためのフレームワークを提案する。 オフザシェルフ進化的多目的最適化アルゴリズムがプラグイン方式で適用できるのは、非常に一般的である。 提案するフレームワークは, より高速な収束と各種PF形状に対する強いレジリエンスを特徴とする。
  論文  参考訳（メタデータ） (2021-09-12T23:54:26Z)
• Conservative Objective Models for Effective Offline Model-Based Optimization [78.19085445065845]
  計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。 本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。 COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
  論文  参考訳（メタデータ） (2021-07-14T17:55:28Z)
• Many Objective Bayesian Optimization [0.0]
  マルチオブジェクトベイズ最適化(MOBO)は、ブラックボックスの同時最適化に成功している一連の手法である。 特に、MOBO法は、多目的最適化問題における目的の数が3以上である場合に問題があり、これは多くの目的設定である。 GPが測定値とアルゴリズムの有効性の予測分布を予測できるような,玩具,合成,ベンチマーク,実実験のセットで実証的な証拠を示す。
  論文  参考訳（メタデータ） (2021-07-08T21:57:07Z)

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。