論文の概要: BONO-Bench: A Comprehensive Test Suite for Bi-objective Numerical Optimization with Traceable Pareto Sets
- arxiv url: http://arxiv.org/abs/2601.16970v1
- Date: Fri, 23 Jan 2026 18:42:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-26 14:27:27.805687
- Title: BONO-Bench: A Comprehensive Test Suite for Bi-objective Numerical Optimization with Traceable Pareto Sets
- Title（参考訳）: BONO-Bench: トレーサブルパレート集合を用いた双方向数値最適化のための総合的テストスイート
- Authors: Lennart Schäpermeier, Pascal Kerschke,
- Abstract要約: 本稿では,二目的数値最適化問題に対する広範囲な問題生成手法を提案する。
決定変数の数などのテスト問題プロパティの設定をサポートする。
提案するジェネレータの一般的なアプローチは,再現可能なベンチマークを容易にするために,Pythonパッケージの textttbonobench でリリースされている。
- 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: The evaluation of heuristic optimizers on test problems, better known as \emph{benchmarking}, is a cornerstone of research in multi-objective optimization. However, most test problems used in benchmarking numerical multi-objective black-box optimizers come from one of two flawed approaches: On the one hand, problems are constructed manually, which result in problems with well-understood optimal solutions, but unrealistic properties and biases. On the other hand, more realistic and complex single-objective problems are composited into multi-objective problems, but with a lack of control and understanding of problem properties. This paper proposes an extensive problem generation approach for bi-objective numerical optimization problems consisting of the combination of theoretically well-understood convex-quadratic functions into unimodal and multimodal landscapes with and without global structure. It supports configuration of test problem properties, such as the number of decision variables, local optima, Pareto front shape, plateaus in the objective space, or degree of conditioning, while maintaining theoretical tractability: The optimal front can be approximated to an arbitrary degree of precision regarding Pareto-compliant performance indicators such as the hypervolume or the exact R2 indicator. To demonstrate the generator's capabilities, a test suite of 20 problem categories, called \emph{BONO-Bench}, is created and subsequently used as a basis of an illustrative benchmark study. Finally, the general approach underlying our proposed generator, together with the associated test suite, is publicly released in the Python package \texttt{bonobench} to facilitate reproducible benchmarking.
- Abstract（参考訳）: テスト問題に対するヒューリスティック・オプティマイザの評価は、「emph{benchmarking}」と呼ばれ、多目的最適化の研究の基盤となっている。
しかし、数値的多目的ブラックボックスオプティマイザのベンチマークに使用されるほとんどのテスト問題は、2つの欠点の1つである: 一方、問題は手作業で構築され、よく理解された最適解では問題となるが、非現実的な性質とバイアスが生じる。
一方、より現実的で複雑な単目的問題は、多目的問題に合成されるが、問題の性質の制御と理解の欠如がある。
本稿では,理論上よく理解されている凸四角形関数をグローバルな構造と無関係に一様・多様の風景に組み合わせた二目的数値最適化問題に対する広範な問題生成手法を提案する。
これは、決定変数の数、局所最適、パレート前形、目的空間のプラトー、条件付けの度合いなどのテスト問題特性の設定をサポートしながら、理論的なトラクタビリティを維持している: 最適フロントは、ハイパーボリュームや正確なR2インジケータのようなパレート準拠のパフォーマンス指標に関する任意の精度に近似することができる。
ジェネレータの能力を実証するために、'emph{BONO-Bench} と呼ばれる20の問題カテゴリからなるテストスイートが作成され、その後、実証的なベンチマーク研究の基礎として使用される。
最後に、提案したジェネレータの一般的なアプローチと関連するテストスイートは、再現可能なベンチマークを容易にするために、Pythonパッケージ \texttt{bonobench} で公開されている。
関連論文リスト
- Single and Multi-Objective Optimization Benchmark Problems Focusing on Human-Powered Aircraft Design [0.0]
単目的・多目的最適化のための人力航空機の設計に焦点を当てたベンチマークテストスイートを提案する。
3つの難易度に60の問題があり、複雑さと寸法をスケールするための翼分割パラメータがある。
数値実験は、適度な多目的性の存在を示し、多目的問題は様々な正面形状を示す。
論文 参考訳（メタデータ） (2023-12-14T14:01:41Z) - GNBG-Generated Test Suite for Box-Constrained Numerical Global
Optimization [5.804807909435654]
本論文では,ボックス制約の数値的大域最適化問題インスタンスを24個導入する。
ケースは、様々のモジュラリティ、頑丈さ、対称性、条件付け、可変相互作用構造、盆地の線形性、偽造性など、幅広い問題の特徴をカバーしている。
論文 参考訳（メタデータ） (2023-12-12T07:40:12Z) - A Study of Scalarisation Techniques for Multi-Objective QUBO Solving [0.0]
量子および量子に着想を得た最適化アルゴリズムは、学術ベンチマークや実世界の問題に適用した場合に有望な性能を示す。
しかし、QUBOソルバは単目的解法であり、複数の目的による問題の解法をより効率的にするためには、そのような多目的問題を単目的問題に変換する方法を決定する必要がある。
論文 参考訳（メタデータ） (2022-10-20T14:54:37Z) - A Constrained Optimization Approach to Bilevel Optimization with
Multiple Inner Minima [49.320758794766185]
そこで本研究では,両レベル問題を等価な制約付き最適化に変換する手法を提案する。
このようなアプローチには、(a)多重内極小問題への対処、(b)ジャコビアン計算のない完全一階効率など、いくつかの利点がある。
論文 参考訳（メタデータ） (2022-03-01T18:20:01Z) - Finite-Sum Coupled Compositional Stochastic Optimization: Theory and
Applications [43.48388050033774]
本稿では,非凸目的と凸目標の両方に対して単純なアルゴリズムを包括的に解析する。
また,外層と内層に等しい大きさのバッチをサンプリングすることで,実用的実装を改善するための新たな知見も提示した。
論文 参考訳（メタデータ） (2022-02-24T22:39:35Z) - Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。
本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文 参考訳（メタデータ） (2022-01-28T05:53:28Z) - Generalization of Neural Combinatorial Solvers Through the Lens of
Adversarial Robustness [68.97830259849086]
ほとんどのデータセットは単純なサブプロブレムのみをキャプチャし、おそらくは突発的な特徴に悩まされる。
本研究では, 局所的な一般化特性である対向ロバスト性について検討し, 厳密でモデル固有な例と突発的な特徴を明らかにする。
他のアプリケーションとは異なり、摂動モデルは知覚できないという主観的な概念に基づいて設計されているため、摂動モデルは効率的かつ健全である。
驚くべきことに、そのような摂動によって、十分に表現力のあるニューラルソルバは、教師あり学習で共通する正確さと悪質さのトレードオフの限界に悩まされない。
論文 参考訳（メタデータ） (2021-10-21T07:28:11Z) - Batched Data-Driven Evolutionary Multi-Objective Optimization Based on
Manifold Interpolation [6.560512252982714]
バッチ化されたデータ駆動型進化的多目的最適化を実現するためのフレームワークを提案する。
オフザシェルフ進化的多目的最適化アルゴリズムがプラグイン方式で適用できるのは、非常に一般的である。
提案するフレームワークは, より高速な収束と各種PF形状に対する強いレジリエンスを特徴とする。
論文 参考訳（メタデータ） (2021-09-12T23:54:26Z) - Efficient Methods for Structured Nonconvex-Nonconcave Min-Max
Optimization [98.0595480384208]
定常点に収束する一般化外空間を提案する。
このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
論文 参考訳（メタデータ） (2020-10-31T21:35:42Z) - Scalable and Customizable Benchmark Problems for Many-Objective
Optimization [0.0]
我々は多目的問題(MaOP)に対するスケーラブルでカスタマイズ可能なベンチマーク問題のパラメータ化生成器を提案する。
他のベンチマークにある機能を再現する問題や、いくつかの新機能に関する問題を生成することができる。
論文 参考訳（メタデータ） (2020-01-26T12:39:51Z)
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。