論文の概要: Decoupling Constraint from Two Direction in Evolutionary Constrained Multi-objective Optimization

• arxiv url: http://arxiv.org/abs/2512.23945v1
• Date: Tue, 30 Dec 2025 02:22:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.258573
• Title: Decoupling Constraint from Two Direction in Evolutionary Constrained Multi-objective Optimization
• Title（参考訳）: 進化的制約付き多目的最適化における2方向からの制約の分離
• Authors: Ruiqing Sun, Dawei Feng, Xing Zhou, Lianghao Li, Sheng Qi, Bo Ding, Yijie Wang, Rui Wang, Huaimin Wang,
• Abstract要約: 2方向からの分離制約(DCF2D)という新しいアルゴリズムを提案する。 周期的に制約結合を検出し、適切な探索方向で各制約に対して補助的な集団を生成する。 7つの挑戦的なCMOPベンチマークスイートと実際のCMOPのコレクションの実験は、DCF2Dが5つの最先端のCMOEAを上回っていることを示している。
• 参考スコア（独自算出の注目度）: 26.967831462095067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world Constrained Multi-objective Optimization Problems (CMOPs) often contain multiple constraints, and understanding and utilizing the coupling between these constraints is crucial for solving CMOPs. However, existing Constrained Multi-objective Evolutionary Algorithms (CMOEAs) typically ignore these couplings and treat all constraints as a single aggregate, which lacks interpretability regarding the specific geometric roles of constraints. To address this limitation, we first analyze how different constraints interact and show that the final Constrained Pareto Front (CPF) depends not only on the Pareto fronts of individual constraints but also on the boundaries of infeasible regions. This insight implies that CMOPs with different coupling types must be solved from different search directions. Accordingly, we propose a novel algorithm named Decoupling Constraint from Two Directions (DCF2D). This method periodically detects constraint couplings and spawns an auxiliary population for each relevant constraint with an appropriate search direction. Extensive experiments on seven challenging CMOP benchmark suites and on a collection of real-world CMOPs demonstrate that DCF2D outperforms five state-of-the-art CMOEAs, including existing decoupling-based methods.
• Abstract（参考訳）: 実世界の制約付き多目的最適化問題(CMOP)は、しばしば複数の制約を含み、これらの制約間の結合を理解し、活用することが、CMOPの解決に不可欠である。 しかし、既存の制約付き多目的進化アルゴリズム(CMOEA)は、これらの結合を無視し、全ての制約を単一の集合として扱う。 この制限に対処するために、まず異なる制約がどう相互作用するかを分析し、最終制約パレートフロント(CPF)が個々の制約のパレートフロントだけでなく、実現不可能な領域の境界にも依存していることを示す。 この知見は、異なる結合型を持つCMOPを異なる探索方向から解決する必要があることを示唆している。 そこで本稿では,DCF2D(Decoupling Constraint from Two Directions)という新しいアルゴリズムを提案する。 この方法は、周期的に制約結合を検出し、適切な探索方向のそれぞれの制約に対して補助的な集団を生成する。 7つの挑戦的なCMOPベンチマークスイートと実際のCMOPのコレクションに関する大規模な実験は、DCF2Dが既存のデカップリングベースのメソッドを含む最先端の5つのCMOEAより優れていることを示した。

関連論文リスト

• LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.35609820607923]
  大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。 LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。 LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
  論文  参考訳（メタデータ） (2025-08-16T02:00:57Z)
• RBF++: Quantifying and Optimizing Reasoning Boundaries across Measurable and Unmeasurable Capabilities for Chain-of-Thought Reasoning [60.84707424369494]
  CoT(Chain-of-Thought)推論は、複雑なタスクにおける大規模言語モデル(LLM)の強化に有効であることが証明されている。 CoT 機能の計測可能なバウンダリの評価と最適化を行うフレームワークである Reasoning Boundary Framework++ (RBF++) を紹介する。
  論文  参考訳（メタデータ） (2025-05-19T16:25:55Z)
• Single-loop Algorithms for Stochastic Non-convex Optimization with Weakly-Convex Constraints [49.76332265680669]
  本稿では、目的関数と制約関数の両方が弱凸である問題の重要な部分集合について検討する。 既存の手法では、収束速度の遅さや二重ループ設計への依存など、しばしば制限に直面している。 これらの課題を克服するために,新しい単一ループペナルティに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-21T17:15:48Z)
• Conflict-Averse Gradient Aggregation for Constrained Multi-Objective Reinforcement Learning [13.245000585002858]
  多くの実世界の応用において、強化学習(RL)エージェントは、複数の目的を考慮し、安全ガイドラインに従うべきである。 制約付き多目的勾配集約アルゴリズム(Constrained Multi-Objective Gradient Aggregator, CoGAMO)を提案する。
  論文  参考訳（メタデータ） (2024-03-01T04:57:13Z)
• Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning [132.7040981721302]
  本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。 制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
  論文  参考訳（メタデータ） (2024-02-16T16:35:18Z)
• Dealing with Structure Constraints in Evolutionary Pareto Set Learning [11.242036067940289]
  多くの実世界のアプリケーションでは、最適解集合全体の構造的制約を持つことが望ましい。 構造制約を1つのパレート集合モデルによって設定された解全体へ組み込む最初の試みを行う。 提案手法により, 意思決定者は最適性を全ての解の中から好意的な構造と柔軟に交換することができる。
  論文  参考訳（メタデータ） (2023-10-31T12:53:56Z)
• Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
  エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。 エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。 提案手法は(線形速度で)大域的最適値に収束することが示されている。
  論文  参考訳（メタデータ） (2022-06-03T16:26:38Z)
• An Instance Space Analysis of Constrained Multi-Objective Optimization Problems [1.314903445595385]
  我々は,制約付き多目的進化アルゴリズム(CMOEA)の性能とCMOPインスタンス特性の関係について,ISA(インスタンス空間解析)を用いて検討する。 6つのCMOPベンチマークスイートと15のCMOEAにまたがる問題アルゴリズムのフットプリントを詳細に評価する。 我々は、非支配的集合の分離と制約と目的の進化可能性の相関という2つの重要な特徴が、アルゴリズムの性能に最も大きな影響を与えると結論付けた。
  論文  参考訳（メタデータ） (2022-03-02T04:28:11Z)

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。