論文の概要: Impact of diversity on bounded archives for multi-objective local search
- arxiv url: http://arxiv.org/abs/2602.04745v1
- Date: Wed, 04 Feb 2026 16:47:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.636543
- Title: Impact of diversity on bounded archives for multi-objective local search
- Title（参考訳）: 多目的局所探索のための有界アーカイブに対する多様性の影響
- Authors: Amadeu A. Coco, Cyprien Borée, Julien Baste, Laetitia Jourdan, Lucien Mousin,
- Abstract要約: この研究は、MOOPのためのメタヒューリスティックの開発に関連する2つの重要な課題に取り組みます。
非支配的な解の指数的成長とメタヒューリスティックスの傾向は、パレートフロントの部分集合にその探索を不均等に集中させる。
第1に、非支配的なソリューションの増加を効果的に管理するための戦略メカニズムとして、境界付きアーカイブが使用される。
- 参考スコア（独自算出の注目度）: 0.45360533198417524
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work tackles two critical challenges related to the development of metaheuristics for Multi-Objective Optimization Problems (MOOPs): the exponential growth of non-dominated solutions and the tendency of metaheuristics to disproportionately concentrate their search on a subset of the Pareto Front. To counteract the first, bounded archives are employed as a strategic mechanism for effectively managing the increasing number of non-dominated solutions. Addressing the second challenge involves an in-depth exploration of solution diversity algorithms found in existing literature. Upon recognizing that current approaches predominantly center on diversity within the objective space, this research introduces innovative methods specifically designed to enhance diversity in the solution space. Results demonstrate the efficacy of the Hamming Distance Archiving Algorithm, one of the newly proposed algorithms for multi-objective local search, surpassing the performance of the Adaptive Grid Archiving and the Hypervolume Archiving, both drawn from the literature. This outcome suggests a promising avenue for enhancing the overall efficiency of metaheuristics employed for solving MOOPs.
- Abstract（参考訳）: この研究は、多目的最適化問題(MOOPs)におけるメタヒューリスティックス(メタヒューリスティックス)の開発に関連する2つの重要な課題に取り組む。
第1に、非支配的なソリューションの増加を効果的に管理するための戦略メカニズムとして、境界付きアーカイブが使用される。
第2の課題に対処するには、既存の文献で見られる解の多様性アルゴリズムを詳細に探る必要がある。
目的空間内の多様性を主眼とする現在のアプローチを認識した上で,本研究では,解空間の多様性を高めるために考案された革新的な手法を紹介する。
その結果,多目的局所探索アルゴリズムであるハミング距離アーカイビングアルゴリズムの有効性が,適応格子アーカイビングとハイパーボリュームアーカイビングの性能を上回った。
この結果は、MOOPの解決に使用されるメタヒューリスティックスの全体的な効率を高めるための、有望な道のりを示唆している。
関連論文リスト
- A High-Dimensional Feature Selection Algorithm Based on Multiobjective Differential Evolution [6.912442653561439]
多目的特徴選択は、最も差別的な特徴部分集合を決定する。
提案手法は,最先端の多目的特徴選択手法よりも優れている。
論文 参考訳（メタデータ） (2025-05-09T02:02:49Z) - Preference-Conditioned Gradient Variations for Multi-Objective Quality-Diversity [7.799824794686343]
優先条件付きポリシー段階突然変異を用いた多目的品質多様性アルゴリズムを提案する。
提案手法は,新たに提案した疎度測定値により,よりスムーズなトレードオフを実現する。
この性能は、従来の方法に比べて計算ストレージコストが低い。
論文 参考訳（メタデータ） (2024-11-19T11:50:03Z) - Illuminating the Diversity-Fitness Trade-Off in Black-Box Optimization [9.838618121102053]
現実世界のアプリケーションでは、ユーザーは1つの高品質なソリューションよりも構造的に多様な設計選択を好むことが多い。
本稿では, 所定のしきい値以上のペア距離を持つ一定数の解を同定する問題を考察する。
このトレードオフが、根底にある最適化問題の性質にどのように依存するかを分析する。
論文 参考訳（メタデータ） (2024-08-29T09:55:55Z) - Maintaining Diversity Provably Helps in Evolutionary Multimodal Optimization [20.621635722585502]
解空間における解の多様性を考慮に入れた簡単な方法が進化的アルゴリズム(EA)の探索に有効であることを示す。
提案手法は,クロスオーバーで作業することで探索の促進に寄与し,予測走行時間において,マルチモーダルあるいは指数加速度がもたらされることを実証する。
論文 参考訳（メタデータ） (2024-06-04T17:52:14Z) - The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。
本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
論文 参考訳（メタデータ） (2023-12-01T16:00:25Z) - A Unified Algorithm Framework for Unsupervised Discovery of Skills based
on Determinantal Point Process [53.86223883060367]
教師なしオプション発見における多様性とカバレッジは、実際には同じ数学的枠組みの下で統一可能であることを示す。
提案アルゴリズムであるODPPは,MujocoとAtariで作成した課題に対して,広範囲に評価されている。
論文 参考訳（メタデータ） (2022-12-01T01:40:03Z) - Mining Large Independent Sets on Massive Graphs [47.21699378695116]
ARCISは、巨大なグラフ上の大きな独立した集合をマイニングするための効率的なアルゴリズムである。
ARCISは、ほとんどのインスタンスで最高の、または最も結びついたソリューション品質が得られることを示す。
論文 参考訳（メタデータ） (2022-08-16T14:39:38Z) - Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。
我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。
ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
論文 参考訳（メタデータ） (2022-02-10T06:23:56Z) - Result Diversification by Multi-objective Evolutionary Algorithms with
Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。
GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。
目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文 参考訳（メタデータ） (2021-10-18T14:00:22Z)
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。