論文の概要: A Non-Dominated Sorting Evolutionary Algorithm Updating When Required
- arxiv url: http://arxiv.org/abs/2507.03864v1
- Date: Sat, 05 Jul 2025 02:28:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:34.910488
- Title: A Non-Dominated Sorting Evolutionary Algorithm Updating When Required
- Title（参考訳）: 必要時に更新する非支配的ソーティング進化アルゴリズム
- Authors: Lucas R. C. Farias, Abimael J. F. Santos, Matheus R. B. Nobre,
- Abstract要約: NSGA-IIIは多目的最適化問題における多様性を促進するために一様分散参照点に依存している。
本稿では,参照ベクトル適応を選択的に活性化するハイブリッドアルゴリズムであるNSGA-III with Update When Required (NSGA-III-UR)を提案する。
- 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: The NSGA-III algorithm relies on uniformly distributed reference points to promote diversity in many-objective optimization problems. However, this strategy may underperform when facing irregular Pareto fronts, where certain vectors remain unassociated with any optimal solutions. While adaptive schemes such as A-NSGA-III address this issue by dynamically modifying reference points, they may introduce unnecessary complexity in regular scenarios. This paper proposes NSGA-III with Update when Required (NSGA-III-UR), a hybrid algorithm that selectively activates reference vector adaptation based on the estimated regularity of the Pareto front. Experimental results on benchmark suites (DTLZ1-7, IDTLZ1-2) and real-world problems demonstrate that NSGA-III-UR consistently outperforms NSGA-III and A-NSGA-III across diverse problem landscapes.
- Abstract（参考訳）: NSGA-IIIアルゴリズムは、多目的最適化問題の多様性を促進するために一様分散参照点に依存する。
しかし、この戦略は不規則なパレートフロントに面して、あるベクトルが任意の最適解と無関係なままであるときに、性能が低下する可能性がある。
A-NSGA-IIIのような適応型スキームは基準点を動的に修正することでこの問題に対処するが、通常のシナリオでは不要な複雑さを導入する可能性がある。
本稿では,パレートフロントの予測正則性に基づいて参照ベクトル適応を選択的に活性化するハイブリッドアルゴリズムであるNSGA-III with Update When Required (NSGA-III-UR)を提案する。
ベンチマークスイート(DTLZ1-7, IDTLZ1-2)および実世界の問題に対する実験結果から、NSGA-III-URがNSGA-IIIとA-NSGA-IIIを様々な問題領域で一貫して上回っていることが示された。
関連論文リスト
- A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。
提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
論文 参考訳（メタデータ） (2025-06-14T17:35:27Z) - GPU-accelerated Evolutionary Many-objective Optimization Using Tensorized NSGA-III [13.487945730611193]
大規模多目的最適化のためのNSGA-IIIの完全テンソル化実装を提案する。
NSGA-IIIは、NSGA-IIIの正確な選択と変化のメカニズムを維持しながら、大きな加速を達成している。
その結果、NSGA-IIIは、NSGA-IIIのCPUバージョンよりも最大3629タイムのスピードアップを実現していることがわかった。
論文 参考訳（メタデータ） (2025-04-08T14:09:23Z) - HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel
Neural Architecture Search [104.45426861115972]
設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。
我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。
6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
論文 参考訳（メタデータ） (2023-04-23T17:27:40Z) - A Mathematical Runtime Analysis of the Non-dominated Sorting Genetic
Algorithm III (NSGA-III) [9.853329403413701]
NSGA-II (Non-Maninated Sorting Genetic Algorithm II) は、実世界の応用において最も顕著な多目的進化アルゴリズムである。
NSGA-IIIは2つ以上の目的をうまく扱うことを目的としたNSGA-IIの改良である。
論文 参考訳（メタデータ） (2022-11-15T15:10:36Z) - Shape-constrained Symbolic Regression with NSGA-III [0.0]
形状制約付き記号回帰(SCSR)は、事前知識をデータベースモデリングに組み込むことができる。
本稿では,近似誤差を最小化し,制約違反を最小化するための準線形手法を提案する。
2つのアルゴリズム NSGA-II と NSGA-III が実装され、モデル品質と実行時間で比較される。
論文 参考訳（メタデータ） (2022-09-28T06:10:34Z) - Orthogonal Graph Neural Networks [53.466187667936026]
グラフニューラルネットワーク(GNN)は,ノード表現の学習において優れていたため,大きな注目を集めている。
より畳み込み層を積み重ねることで、GNNのパフォーマンスが大幅に低下する。
本稿では,モデルトレーニングの安定化とモデル一般化性能の向上のために,既存のGNNバックボーンを拡張可能なOrtho-GConvを提案する。
論文 参考訳（メタデータ） (2021-09-23T12:39:01Z) - 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) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - A Tailored NSGA-III Instantiation for Flexible Job Shop Scheduling [18.401817124823832]
フレキシブルなジョブスケジューリング問題を解決するために、カスタマイズされた進化的アルゴリズムを提案する。
様々な局所探索戦略を用いて、より良い解の近傍パラメータを探索する。
実験結果は,計算予算の削減による優れた性能を示す。
論文 参考訳（メタデータ） (2020-04-14T14:49:36Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。