論文の概要: PORTAL: Controllable Landscape Generator for Continuous Optimization-Part I: Framework

• arxiv url: http://arxiv.org/abs/2512.00288v1
• Date: Sat, 29 Nov 2025 02:57:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.150761
• Title: PORTAL: Controllable Landscape Generator for Continuous Optimization-Part I: Framework
• Title（参考訳）: Portal:継続的最適化のための制御可能なランドスケープジェネレータ I:フレームワーク
• Authors: Danial Yazdani, Mai Peng, Delaram Yazdani, Shima F. Yazdi, Mohammad Nabi Omidvar, Yuan Sun, Trung Thanh Nguyen, Changhe Li, Xiaodong Li,
• Abstract要約: 本稿では,連続最適化研究のためのベンチマークジェネレータである Portal を紹介する。 盆地曲率、条件付け、変動相互作用、表面粗さに対するきめ細かい独立した制御を提供する。 また、メタアルゴリズム研究、カスタマイズされたベンチマークスイートの設計、インタラクティブな教育利用のための多様なデータセットの作成を容易にする。
• 参考スコア（独自算出の注目度）: 6.776726767599686
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Benchmarking is central to optimization research, yet existing test suites for continuous optimization remain limited: classical collections are fixed and rigid, while previous generators cover only narrow families of landscapes with restricted variability and control over details. This paper introduces PORTAL (Platform for Optimization Research, Testing, Analysis, and Learning), a general benchmark generator that provides fine-grained, independent control over basin curvature, conditioning, variable interactions, and surface ruggedness. PORTAL's layered design spans from individual components to block-wise compositions of multi-component landscapes with controllable partial separability and imbalanced block contributions. It offers precise control over the shape of each component in every dimension and direction, and supports diverse transformation patterns through both element-wise and coupling operators with compositional sequencing. All transformations preserve component centers and local quadratic structure, ensuring stability and interpretability. A principled neutralization mechanism prevents unintended component domination caused by exponent or scale disparities, which addresses a key limitation of prior landscape generators. On this foundation, transformations introduce complex landscape characteristics, such as multimodality, asymmetry, and heterogeneous ruggedness, in a controlled and systematic way. PORTAL enables systematic algorithm analysis by supporting both isolation of specific challenges and progressive difficulty scaling. It also facilitates the creation of diverse datasets for meta-algorithmic research, tailored benchmark suite design, and interactive educational use. The complete Python and MATLAB source code for PORTAL is publicly available at [https://github.com/EvoMindLab/PORTAL].
• Abstract（参考訳）: ベンチマークは最適化研究の中心であるが、継続最適化のための既存のテストスイートは限定的であり、古典的なコレクションは固定され、厳密である。 本稿では, 流域曲率, 条件付け, 可変相互作用, 表面粗さの微粒化, 独立制御を行うベンチマークジェネレータである PortAL (Platform for Optimization Research, Testing, Analysis, and Learning) を紹介する。 PortALのレイヤーデザインは、個々のコンポーネントから、制御可能な部分分離性と不均衡なブロックコントリビューションを備えた多成分ランドスケープのブロックワイドな構成まで幅広い。 任意の次元と方向における各コンポーネントの形状を正確に制御し、要素ワイドおよび合成シーケンシングによる結合演算子による多様な変換パターンをサポートする。 すべての変換は、コンポーネント中心と局所二次構造を保持し、安定性と解釈可能性を確保する。 原則的中和機構は、先進的なランドスケープジェネレータのキー制限に対処する指数やスケール格差に起因する意図しないコンポーネント支配を防止する。 この基礎の上で、変換は多モード性、非対称性、不均一な頑丈さといった複雑な景観特性を制御的かつ体系的に導入する。 Portalは、特定の課題の分離と進行困難スケーリングの両方をサポートすることで、体系的なアルゴリズム解析を可能にする。 また、メタアルゴリズム研究、カスタマイズされたベンチマークスイートの設計、インタラクティブな教育利用のための多様なデータセットの作成を容易にする。 Portalの完全なPythonおよびMATLABソースコードは[https://github.com/EvoMindLab/PORTAL]で公開されている。

関連論文リスト

• COGITAO: A Visual Reasoning Framework To Study Compositionality & Generalization [0.0]
  COGITAOは視覚領域の合成と一般化を研究するためのフレームワークである。 グリッドのような環境でオブジェクトに一連の変換を適用するルールベースのタスクを構築する。 合成を調整可能な深さで28個の変換でサポートし、グリッドのパラメトリゼーションとオブジェクト特性を広範囲に制御する。
  論文  参考訳（メタデータ） (2025-09-05T17:01:05Z)
• A Divide-and-Conquer Approach for Global Orientation of Non-Watertight Scene-Level Point Clouds Using 0-1 Integer Optimization [18.15181405364316]
  点雲の配向はコンピュータグラフィックスと3Dビジョンの基本的な問題である。 DACPO(Divide-And-Conquer Point Orientation)は,スケーラブルでロバストなクラウド指向のための新しいフレームワークである。 DACPOが入力ポイントクラウドをより小さく管理可能なブロックに分割し、各ブロックを独立して処理し、グローバルな最適化段階を通じて結果を統合する方法を示す。
  論文  参考訳（メタデータ） (2025-05-29T14:21:22Z)
• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• GNBG: A Generalized and Configurable Benchmark Generator for Continuous Numerical Optimization [5.635586285644365]
  さまざまな特徴を持つさまざまな問題インスタンスを含むベンチマークテストスイートを使用することが重要です。 従来のベンチマークスイートは、しばしば多数の固定テスト関数で構成されており、これらを特定の研究目的と整合させることが困難である。 本稿では,単目的,ボックス制約,連続的な数値最適化のための一般化数値ベンチマークジェネレータ(GNBG)を提案する。
  論文  参考訳（メタデータ） (2023-12-12T09:04:34Z)
• ComPtr: Towards Diverse Bi-source Dense Prediction Tasks via A Simple yet General Complementary Transformer [71.82644727907146]
  多様な双方向の高密度予測タスクに対して,$underlineComP$lementary $underlinetr$ansformer, $textbfComPtr$を提案する。 ComPtrは異なる入力を等しく扱い、変換器上にシーケンス・ツー・シーケンスの形で効率的な密な相互作用モデルを構築する。
  論文  参考訳（メタデータ） (2023-07-23T15:17:45Z)
• Adaptive Spot-Guided Transformer for Consistent Local Feature Matching [64.30749838423922]
  局所的特徴マッチングのための適応スポットガイド変換器(ASTR)を提案する。 ASTRは、統一された粗いアーキテクチャにおける局所的な一貫性とスケールのバリエーションをモデル化する。
  論文  参考訳（メタデータ） (2023-03-29T12:28:01Z)
• Sparse PCA With Multiple Components [2.1485350418225244]
  スパース主成分分析(SPCA)は、高次元データセットの分散を解釈可能な方法で説明する特徴の組み合わせを得る技術である。 既存のPCA手法の多くは、複数のスパースPCを求めるときの最適性だけでなく、結果の最適性も保証していない。 本稿では,実世界のデータセットに対して,0%-15%の精度で解を得るための厳密な手法と丸め機構を提案する。
  論文  参考訳（メタデータ） (2022-09-29T13:57:18Z)
• Personalized PCA: Decoupling Shared and Unique Features [4.976703689624386]
  異種データセットから共有特徴とユニークな特徴を分離するパーソナライズされたPCA(PerPCA)を提案する。 穏やかな条件下では、一意的特徴と共有的特徴の両方を制約付き最適化問題によって識別し、復元できることが示される。 異種データセットから共有とユニークな機能を分離するための体系的なアプローチとして、PerPCAは、ビデオセグメンテーション、トピック抽出、フィーチャークラスタリングなど、いくつかのタスクにおけるアプリケーションを見つける。
  論文  参考訳（メタデータ） (2022-07-17T00:09:47Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)

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。