論文の概要: A many-objective evolutionary algorithm using indicator-driven weight vector optimization

• arxiv url: http://arxiv.org/abs/2510.02709v1
• Date: Fri, 03 Oct 2025 04:14:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.256883
• Title: A many-objective evolutionary algorithm using indicator-driven weight vector optimization
• Title（参考訳）: インジケータ駆動重みベクトル最適化を用いた多目的進化アルゴリズム
• Authors: Xiaojing Han, Yuanxin Li,
• Abstract要約: 本研究では,ハイパーボリュームインジケータを簡略化した適応多目的進化アルゴリズムを提案する。 重みベクトルの自己適応的および動的調整を容易にするために、分解に基づく手法でインジケータ評価手法を合成する。 実験結果から,提案アルゴリズムは6つの最先端アルゴリズムと比較して効率的かつ効果的であることが示された。
• 参考スコア（独自算出の注目度）: 7.849314686124955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For regular Pareto Fronts (PFs), such as those that are smooth, continuous, and uniformly distributed, using fixed weight vectors is sufficient for multi-objective optimization approaches using decomposition. However, when encountering irregular PFs-including degenerate, disconnected, inverted, etc. Fixed weight vectors can often cause a non-uniform distribution of the sets or even poor optimization results. To address this issue, this study proposes an adaptive many-objective evolutionary algorithm with a simplified hypervolume indicator. It synthesizes indicator assessment techniques with decomposition-based methods to facilitate self-adaptive and dynamic adjustment of the weight vectors in many-objective optimization methods. Specifically, based on the MOEA/D framework, it uses a simplified hypervolume indicator to accurately assess solution distribution. Simultaneously, applying the R2 indicator (as an approximation of hypervolume) dynamically regulates the update frequency of the weight vectors. Experimental results demonstrate that the proposed algorithm is efficient and effective when compared with six state-of-the-art algorithms.
• Abstract（参考訳）: 滑らかで連続的で均一に分布しているような正規パレートフロント(PF)では、固定重みベクトルは分解を用いた多目的最適化アプローチに十分である。 しかし、不規則なPF(縮退、解離、反転など)に遭遇する。 固定重みベクトルは、しばしば集合の非一様分布を引き起こすか、あるいは最適化結果が貧弱である。 そこで本研究では,高体積インジケータを単純化した適応型多目的進化アルゴリズムを提案する。 本手法は,多目的最適化法における重みベクトルの自己適応的・動的調整を容易にするために,分解法を用いてインジケータ評価手法を合成する。 具体的には、MOEA/Dフレームワークに基づいて、単純化されたハイパーボリュームインジケータを使用して、ソリューションの分布を正確に評価する。 同時に、(超体積の近似として)R2インジケータを適用することで、重みベクトルの更新頻度を動的に調節する。 実験結果から,提案アルゴリズムは6つの最先端アルゴリズムと比較して効率的かつ効果的であることが示された。

関連論文リスト

• Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
  本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。 多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。 その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
  論文  参考訳（メタデータ） (2025-07-24T11:02:13Z)
• A Differential Evolution Algorithm with Neighbor-hood Mutation for DOA Estimation [11.842677286643609]
  2次元多重信号分類アルゴリズムは、アレイ信号処理における高分解能方向推定(DOA)のための強力な手法である。 我々は,ピークフィニング過程をマルチモーダルな最適化プロブレムとして再構成し,複数のピークを効率よくローカライズするための近傍突然変異(DE-NM)を用いた微分方程式アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-07-08T14:30:01Z)
• A novel algorithm for optimizing bundle adjustment in image sequence alignment [6.322876598831792]
  本稿では,低温電子トモグラフィーにおける画像シーケンスアライメントの文脈におけるバンドル調整(BA)モデルを最適化するための新しいアルゴリズムを提案する。 アルゴリズムの性能を評価するために、合成データセットと実世界のデータセットの両方に関する大規模な実験を行った。
  論文  参考訳（メタデータ） (2024-11-10T03:19:33Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Stochastic Optimal Control Matching [53.156277491861985]
  最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。 この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。 実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
  論文  参考訳（メタデータ） (2023-12-04T16:49:43Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
  高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。 我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。 また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
  論文  参考訳（メタデータ） (2021-07-02T16:21:52Z)
• Evolutionary Variational Optimization of Generative Models [0.0]
  分散最適化と進化的アルゴリズムの2つの一般的な最適化アプローチをジェネレーションモデルのための学習アルゴリズムの導出に組み合わせます。 進化的アルゴリズムは変動境界を効果的かつ効率的に最適化できることを示す。 ゼロショット」学習のカテゴリでは、多くのベンチマーク設定で最先端の技術を大幅に改善するために進化的変動アルゴリズムを観察しました。
  論文  参考訳（メタデータ） (2020-12-22T19:06:33Z)
• Finding optimal Pulse Repetion Intervals with Many-objective Evolutionary Algorithms [0.0]
  我々は、パルスドップラーレーダシステムにおいて、最適な妥協範囲とドップラーのあいまいさを緩和できるパルス繰り返し間隔を求める問題を考察する。 ブラックボックス最適化のためのいくつかの進化的アルゴリズムを、異なるメトリクスで比較するために、ベースラインとして使用します。
  論文  参考訳（メタデータ） (2020-11-13T13:56:13Z)
• 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。