論文の概要: Soft Quality-Diversity Optimization

• arxiv url: http://arxiv.org/abs/2512.00810v1
• Date: Sun, 30 Nov 2025 09:38:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.431054
• Title: Soft Quality-Diversity Optimization
• Title（参考訳）: ソフト品質多様性最適化
• Authors: Saeed Hedayatian, Stefanos Nikolaidis,
• Abstract要約: 本稿では,QD(Quality-Diversity)問題であるemphSoft QD(emphSoft QD)を提案する。 本稿では,新しい微分可能QDアルゴリズム(emphSoft QD using Approximated Diversity (SQUAD))を考案し,標準ベンチマーク上での最先端技術と競合することを示す。
• 参考スコア（独自算出の注目度）: 10.281456353468055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quality-Diversity (QD) algorithms constitute a branch of optimization that is concerned with discovering a diverse and high-quality set of solutions to an optimization problem. Current QD methods commonly maintain diversity by dividing the behavior space into discrete regions, ensuring that solutions are distributed across different parts of the space. The QD problem is then solved by searching for the best solution in each region. This approach to QD optimization poses challenges in large solution spaces, where storing many solutions is impractical, and in high-dimensional behavior spaces, where discretization becomes ineffective due to the curse of dimensionality. We present an alternative framing of the QD problem, called \emph{Soft QD}, that sidesteps the need for discretizations. We validate this formulation by demonstrating its desirable properties, such as monotonicity, and by relating its limiting behavior to the widely used QD Score metric. Furthermore, we leverage it to derive a novel differentiable QD algorithm, \emph{Soft QD Using Approximated Diversity (SQUAD)}, and demonstrate empirically that it is competitive with current state of the art methods on standard benchmarks while offering better scalability to higher dimensional problems.
• Abstract（参考訳）: 品質多様性(QD)アルゴリズムは、最適化問題に対する多種多様な高品質な解決策の発見に関わる最適化の一分野である。 現在のQD法は、振る舞い空間を個別の領域に分割することで多様性を保ち、解が空間の異なる部分に分散されることを保証する。 QD問題は各領域で最高の解を求めることで解決される。 QD最適化に対するこのアプローチは、多くの解を保存することは現実的ではないという大きな解空間や、次元の呪いによって離散化が非効率になる高次元の挙動空間において課題を提起する。 我々は、離散化の必要性を助長するQD問題の別のフレーミングである「emph{Soft QD}」を提案する。 この定式化は、単調性などの望ましい性質を証明し、その制限挙動を広く使用されているQDスコア計量に関連付けることによって検証する。 さらに,新しい微分可能QDアルゴリズムである \emph{Soft QD using Approximated Diversity (SQUAD)} を導出し,高次元問題に対して優れたスケーラビリティを提供しながら,標準ベンチマークにおける最先端の手法と競合することを示す。

関連論文リスト

• Quality Diversity Genetic Programming for Learning Scheduling Heuristics [36.015695494167495]
  品質多様性最適化(QD: Quality-Diversity optimization)は、進化的アルゴリズムにおける多面的アプローチであり、高い性能と多様なソリューションのセットを生成することを目的としている。 本稿では,動的スケジューリング問題に対する新しいQDフレームワークを提案する。 そこで本研究では,遺伝子型をそれらの行動にリンクすることで,その解を可視化するマップ構築戦略を提案し,QDマップ上での表現を可能にする。
  論文  参考訳（メタデータ） (2025-07-03T02:01:30Z)
• Differentiation Through Black-Box Quadratic Programming Solvers [21.717766458737426]
  微分可能最適化は、特に二次プログラミング(QP)において重要な研究関心を集めている。 事実上任意のQPソルバのプラグアンドプレイ微分のためのモジュラーおよびソルバ非依存のフレームワークであるdQPを紹介する。 この結果に基づいて、15以上の最先端の解決者とシームレスに統合する、最小限のオーバヘッド、オープンソース実装を提供する。
  論文  参考訳（メタデータ） (2024-10-08T20:01:39Z)
• Efficient Quality-Diversity Optimization through Diverse Quality Species [3.428706362109921]
  我々は,アーカイブの必要をなくしたり,事前の動作範囲を定義したりすることなく,多様な解の集団を見つけることができることを示す。 本稿では,アーカイブベースの品質多様性(QD)アルゴリズムの代替として,DQS(Diverse Quality Species)を提案する。
  論文  参考訳（メタデータ） (2023-04-14T23:15:51Z)
• Don't Bet on Luck Alone: Enhancing Behavioral Reproducibility of Quality-Diversity Solutions in Uncertain Domains [2.639902239625779]
  アーカイブ再現性向上アルゴリズム(ARIA)を紹介する。 ARIAは、アーカイブに存在するソリューションの品質を改善するプラグイン・アンド・プレイのアプローチである。 提案アルゴリズムは,任意のアーカイブの品質とディスクリプタ空間のカバレッジを少なくとも50%向上させることを示す。
  論文  参考訳（メタデータ） (2023-04-07T14:45:14Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• Two-Stage Stochastic Optimization via Primal-Dual Decomposition and Deep Unrolling [86.85697555068168]
  2段階のアルゴリズム最適化は、様々な工学や科学的応用において重要な役割を果たす。 特に長期変数と短期変数が制約の中で結合されている場合、アルゴリズムは効率的ではない。 PDD-SSCAが既存のソリューションよりも優れたパフォーマンスを達成できることを示します。
  論文  参考訳（メタデータ） (2021-05-05T03:36:00Z)
• Distributionally Robust Bayesian Optimization [121.71766171427433]
  そこで本研究では,ゼロ次雑音最適化のための分散ロバストなベイズ最適化アルゴリズム(DRBO)を提案する。 提案アルゴリズムは, 種々の設定において, 線形に頑健な後悔を確実に得る。 提案手法は, 実世界のベンチマークと実世界のベンチマークの両方において, 頑健な性能を示す。
  論文  参考訳（メタデータ） (2020-02-20T22:04:30Z)
• GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal Black Box Constraint Satisfaction [69.94831587339539]
  本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。 我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
  論文  参考訳（メタデータ） (2020-02-17T20:21:20Z)

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。