論文の概要: Enhancing Decision Space Diversity in Multi-Objective Evolutionary Optimization for the Diet Problem

• arxiv url: http://arxiv.org/abs/2508.07077v1
• Date: Sat, 09 Aug 2025 19:04:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.68628
• Title: Enhancing Decision Space Diversity in Multi-Objective Evolutionary Optimization for the Diet Problem
• Title（参考訳）: 食事問題に対する多目的進化最適化における意思決定空間の多様性向上
• Authors: Gustavo V. Nascimento, Ivan R. Meneghini, Valéria Santos, Eduardo Luz, Gladston Moreira,
• Abstract要約: 本稿では,ハミング距離に基づく均一度尺度をMOEAの選択機構に直接組み込むアプローチを提案する。 ダイエット問題の多目的定式化実験は,提案手法が決定空間の多様性を著しく改善することを示す。 提案手法は、意思決定空間認識をMOEAに統合するための一般化可能な戦略を提供する。
• 参考スコア（独自算出の注目度）: 0.0699049312989311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-objective evolutionary algorithms (MOEAs) are essential for solving complex optimization problems, such as the diet problem, where balancing conflicting objectives, like cost and nutritional content, is crucial. However, most MOEAs focus on optimizing solutions in the objective space, often neglecting the diversity of solutions in the decision space, which is critical for providing decision-makers with a wide range of choices. This paper introduces an approach that directly integrates a Hamming distance-based measure of uniformity into the selection mechanism of a MOEA to enhance decision space diversity. Experiments on a multi-objective formulation of the diet problem demonstrate that our approach significantly improves decision space diversity compared to NSGA-II, while maintaining comparable objective space performance. The proposed method offers a generalizable strategy for integrating decision space awareness into MOEAs.
• Abstract（参考訳）: 多目的進化アルゴリズム(MOEA)は、コストや栄養内容などの相反する目的のバランスが不可欠であるダイエット問題のような複雑な最適化問題の解決に不可欠である。 しかし、ほとんどのMOEAは、客観的な空間におけるソリューションの最適化に重点を置いており、意思決定領域におけるソリューションの多様性を無視することが多い。 本稿では,ハミング距離に基づく均一度測定をMOEAの選択機構に直接統合し,決定空間の多様性を高めるアプローチを提案する。 ダイエット問題の多目的定式化実験により,提案手法はNSGA-IIと比較して決定空間の多様性を著しく向上する一方,目的空間性能は同等であることが示された。 提案手法は、意思決定空間認識をMOEAに統合するための一般化可能な戦略を提供する。

関連論文リスト

• Maximum Dispersion, Maximum Concentration: Enhancing the Quality of MOP Solutions [0.08192907805418582]
  多目的最適化問題(MOP)は、しばしば相反する目的間のトレードオフを必要とし、目的空間における多様性と収束を最大化する。 本研究では, 決定空間における分散と, 目的空間の特定の領域における収束を最適化することにより, MOPソリューションの品質を向上させる手法を提案する。
  論文  参考訳（メタデータ） (2025-06-27T18:32:22Z)
• Preference-Guided Diffusion for Multi-Objective Offline Optimization [64.08326521234228]
  オフライン多目的最適化のための優先誘導拡散モデルを提案する。 我々の指導は、ある設計が他の設計を支配する確率を予測するために訓練された選好モデルである。 本結果は,多種多様な高品質な解を生成する上での分類器誘導拡散モデルの有効性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-03-21T16:49:38Z)
• Maintaining Diversity Provably Helps in Evolutionary Multimodal Optimization [20.621635722585502]
  解空間における解の多様性を考慮に入れた簡単な方法が進化的アルゴリズム(EA)の探索に有効であることを示す。 提案手法は,クロスオーバーで作業することで探索の促進に寄与し,予測走行時間において,マルチモーダルあるいは指数加速度がもたらされることを実証する。
  論文  参考訳（メタデータ） (2024-06-04T17:52:14Z)
• Solving the Food-Energy-Water Nexus Problem via Intelligent Optimization Algorithms [46.48853432592689]
  食料・エネルギー・水系は、互いに影響を及ぼす食料・エネルギー・水の間で複雑に結びついている。 それらは通常、膨大な数の決定変数と、最適化されるべき多くの矛盾する目標を含む。 本稿では、最先端のインテリジェントな最適化手法を用いて食品・エネルギー・水の最適化問題を解き、その性能を比較する。
  論文  参考訳（メタデータ） (2024-04-10T06:19:19Z)
• Rewards-in-Context: Multi-objective Alignment of Foundation Models with Dynamic Preference Adjustment [46.44464839353993]
  リワード・イン・コンテキスト(Rewards-in-Context, RiC)を導入する。 RiCは単一のファンデーションモデルの教師付き微調整のみを必要とし、推論時間中にユーザの好みを動的に調整する。
  論文  参考訳（メタデータ） (2024-02-15T18:58:31Z)
• A Fitness-assignment Method for Evolutionary Constrained Multi-objective Optimization [5.757908778750608]
  IcSDE+と呼ばれる単一人口適応型CMOEAを提案する。 IcSDE+は制約違反(c)、シフトベース密度推定(SDE)、目的の和(+)の効率的な融合である IcSDE+の性能は、異なる特徴を持つ6つのベンチマークスイート上の9つの最先端CMOEAと比較して好意的に比較される。
  論文  参考訳（メタデータ） (2023-05-30T04:19:01Z)
• An Analysis of Phenotypic Diversity in Multi-Solution Optimization [118.97353274202749]
  マルチモーダル最適化は高い適合性ソリューションを生み出し、品質の多様性は遺伝的中立性に敏感ではない。 オートエンコーダは表現型特徴を自動的に発見するために使用され、品質の多様性を備えたさらに多様なソリューションセットを生成する。
  論文  参考訳（メタデータ） (2021-05-10T10:39:03Z)
• Niching Diversity Estimation for Multi-modal Multi-objective Optimization [9.584279193016522]
  ニッチは進化的多目的最適化において重要かつ広く用いられている手法である。 MMOPでは、対象空間の解は決定空間に複数の逆像を持つことができ、これは等価解と呼ばれる。 MMOPの処理において、標準多様性推定器をより効率的にするために、一般的なニチング機構を提案する。
  論文  参考訳（メタデータ） (2021-01-31T05:23:31Z)

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。