Fugu-MT 論文翻訳(概要): A Reinforced Evolution-Based Approach to Multi-Resource Load Balancing

論文の概要: A Reinforced Evolution-Based Approach to Multi-Resource Load Balancing

arxiv url: http://arxiv.org/abs/2511.04183v1
Date: Thu, 06 Nov 2025 08:35:56 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-07 20:17:53.366363
Title: A Reinforced Evolution-Based Approach to Multi-Resource Load Balancing
Title（参考訳）: マルチリソースロードバランシングのための強化進化に基づくアプローチ
Authors: Leszek Sliwko,
Abstract要約: 本稿では,d-resourceシステム最適化問題に対する強化された遺伝的アプローチを提案する。古典的な進化スキーマは、非常に厳密な実現可能性関数のために効果が無かった。提案した戦略は、標準的な遺伝的ルーチンにいくつかの修正と適応を導入している。
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: This paper presents a reinforced genetic approach to a defined d-resource system optimization problem. The classical evolution schema was ineffective due to a very strict feasibility function in the studied problem. Hence, the presented strategy has introduced several modifications and adaptations to standard genetic routines, e.g.: a migration operator which is an analogy to the biological random genetic drift.
Abstract（参考訳）: 本稿では,d-resourceシステム最適化問題に対する強化された遺伝的アプローチを提案する。古典的進化スキーマは、研究された問題における非常に厳密な実現可能性関数のために効果が無かった。したがって、提案戦略は、標準的な遺伝的ルーチン、例えば、生物学的ランダムな遺伝的ドリフトに類似した移行操作子にいくつかの修正と適応を導入している。

関連論文リスト

Socio-cognitive agent-oriented evolutionary algorithm with trust-based optimization [70.49434432747293]
信頼に基づく最適化(TBO)は、従来の周期的移行を信頼や評価に基づく柔軟なエージェント駆動の相互作用メカニズムに置き換える進化計算における島モデルの新たな拡張である。実験の結果、TBOは様々な最適化問題において標準島モデル進化アルゴリズムよりも優れていた。
論文参考訳（メタデータ） (2025-10-29T01:59:26Z)
The Pitfalls and Potentials of Adding Gene-invariance to Optimal Mixing [0.0]
Optimal Mixing (OM) は、局所探索と遺伝子組換えを統合する変異演算子である。本稿では,遺伝子不変遺伝的アルゴリズム(GIGA)にインスパイアされた手法を提案する。この手法は、GI-GOMEA(Gene-pool Optimal Mixing Evolutionary Algorithm)と統合され、GI-GOMEAとなる。
論文参考訳（メタデータ） (2025-06-18T08:06:44Z)
Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文参考訳（メタデータ） (2024-06-05T06:42:27Z)
Genetic Algorithm enhanced by Deep Reinforcement Learning in parent selection mechanism and mutation : Minimizing makespan in permutation flow shop scheduling problems [0.18846515534317265]
RL+GA法はフローショップスケジューリング問題(FSP)で特に検証された。このハイブリッドアルゴリズムはニューラルネットワーク(NN)を導入し、Qラーニング(Q-learning)というオフ政治手法を使用する。本研究は, プリミティブGAの性能向上におけるRL+GAアプローチの有効性を明らかにするものである。
論文参考訳（メタデータ） (2023-11-10T08:51:42Z)
Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文参考訳（メタデータ） (2023-06-06T19:05:01Z)
The Effect of Epigenetic Blocking on Dynamic Multi-Objective Optimisation Problems [1.4502611532302039]
エピジェネティックなメカニズムは、環境変化に素早く非あるいは部分的に適応できる。本稿では、自然界におけるエピジェネティック継承の利点が、動的多目的問題において複製されるかどうかを問う。
論文参考訳（メタデータ） (2022-11-25T16:33:05Z)
Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。 GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
論文参考訳（メタデータ） (2022-04-11T01:08:26Z)
A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文参考訳（メタデータ） (2021-11-26T06:33:29Z)
A Rank based Adaptive Mutation in Genetic Algorithm [0.0]
本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と限られた資源制約内での適応的アプローチとの比較実験を行った。
論文参考訳（メタデータ） (2021-04-18T12:41:33Z)

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。