Fugu-MT 論文翻訳(概要): Discrete Gene Crossover Accelerates Solution Discovery in Quality-Diversity Algorithms

論文の概要: Discrete Gene Crossover Accelerates Solution Discovery in Quality-Diversity Algorithms

arxiv url: http://arxiv.org/abs/2602.13730v1
Date: Sat, 14 Feb 2026 11:44:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-17 14:17:28.365005
Title: Discrete Gene Crossover Accelerates Solution Discovery in Quality-Diversity Algorithms
Title（参考訳）: 離散的遺伝子クロスオーバーは品質多様性アルゴリズムにおける解発見を加速する
Authors: Joshua Hutchinson, J. Michael Herrmann, Simón C. Smith,
Abstract要約: 品質多様性アルゴリズムは、行動ニッチにまたがる多様なハイパフォーマンスなソリューションを見つけることを目的としている。既存の突然変異作用素は解の段階的な変化に依存する。そこで本研究では、変異に基づく演算子を遺伝子レベルで個別に交叉することで拡張する突然変異演算子を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Quality-Diversity (QD) algorithms aim to discover diverse, high-performing solutions across behavioral niches. However, QD search often stagnates as incremental variation operators struggle to propagate building blocks across large populations. Existing mutation operators rely on gradual variation to solutions, limiting their ability to efficiently explore regions of the search space distant from parent solutions or to spread beneficial genetic material through the population. We propose a mutation operator which augments variation-based operators with discrete, gene-level crossover, enabling rapid recombination of elite genetic material. This crossover mechanism mirrors the biological principle of meiosis and facilitates both the direct transfer of genetic material and the exploration of novel genotype configurations beyond the existing elite hypervolume. We evaluate operators on three locomotion environments, demonstrating improvements in QD score, coverage, and max fitness, with particularly strong performance in later stages of optimization once building blocks have been established in the archive. These results show that the addition of a discrete crossover mutation provides a complementary exploration mechanism that sustains quality-diversity growth beyond the performance demonstrated by existing operators.
Abstract（参考訳）: QD(Quality-Diversity)アルゴリズムは、行動ニッチをまたいだ多様なハイパフォーマンスなソリューションを見つけることを目的としている。しかしQD探索は、多人数でビルディングブロックの普及に苦慮するインクリメンタル変動演算子によって停滞することが多い。既存の突然変異作用素は、解に対する段階的な変化に依存しており、親溶液から離れた探索空間の領域を効率的に探索したり、集団を通して有益な遺伝物質を拡散する能力を制限する。そこで本研究では,遺伝子レベルでの異種交雑により変異に基づく操作を増強し,遺伝物質の迅速な組換えを可能にする突然変異演算子を提案する。このクロスオーバー機構は減数分裂の生物学的原理を反映し、遺伝物質の直接移動と、既存のエリートハイパーボリュームを超えて新しい遺伝子型構成の探索を促進する。本研究では,3つの移動環境における演算子の評価を行い,QDスコア,カバレッジ,最大適合性の向上を実証した。これらの結果から, 離散的交叉変異の付加は, 既存演算子の実証した性能を超える品質・多様性の増大を維持できる相補的な探索機構をもたらすことが示唆された。

関連論文リスト

Evolutionary Router Feature Generation for Zero-Shot Graph Anomaly Detection with Mixture-of-Experts [60.60414602796664]
ゼロショットGADのための進化的ルータ特徴生成(EvoFG)を備えた新しいMoEフレームワークを提案する。 EvoFGは最先端のベースラインを一貫して上回り、強力で安定したゼロショットGAD性能を実現している。
論文参考訳（メタデータ） (2026-02-12T06:16:51Z)
Beyond Independent Genes: Learning Module-Inductive Representations for Gene Perturbation Prediction [48.80217316452559]
scBIGは、協調した遺伝子プログラムを明示的にモデル化するモジュール誘導予測フレームワークである。 scBIGは、特に目に見えない、摂動的な設定において、最先端のメソッドを一貫して上回る。
論文参考訳（メタデータ） (2026-02-03T16:43:40Z)
TOPSIS-like metaheuristic for LABS problem [70.49434432747293]
最良解に従う戦略と最悪の解を避ける戦略を統合する社会認知突然変異機構を導入する。探索エージェントにハイパフォーマンスなソリューションを模倣し、貧弱なソリューションを避けるよう誘導することにより、これらの演算子は解の多様性と収束効率の両方を高める。
論文参考訳（メタデータ） (2025-11-08T00:47:37Z)
Enhancing Retrieval Augmentation via Adversarial Collaboration [50.117273835877334]
我々は「検索幻覚」に対処するため、Adrial Collaboration RAG(AC-RAG)フレームワークを提案する。 AC-RAGは、知識ギャップを識別するジェネリスト検出器と、正確な解決策を提供するドメイン特化リゾルバという2つの異種エージェントを使用している。実験により、AC-RAGは検索精度を大幅に向上し、様々な垂直領域における最先端RAG法より優れていることが示された。
論文参考訳（メタデータ） (2025-09-18T08:54:20Z)
The Pitfalls and Potentials of Adding Gene-invariance to Optimal Mixing [0.0]
Optimal Mixing (OM) は、局所探索と遺伝子組換えを統合する変異演算子である。本稿では,遺伝子不変遺伝的アルゴリズム(GIGA)にインスパイアされた手法を提案する。この手法は、GI-GOMEA(Gene-pool Optimal Mixing Evolutionary Algorithm)と統合され、GI-GOMEAとなる。
論文参考訳（メタデータ） (2025-06-18T08:06:44Z)
Adversarial Coevolutionary Illumination with Generational Adversarial MAP-Elites [3.4524024382493774]
QD(Quality-Diversity)アルゴリズムは、振る舞い空間にまたがる多様なハイパフォーマンスなソリューションを見つけ出そうとする。本稿では,各世代でどの側が進化するかを交互に比較することによって,両面を進化させる共進化QDアルゴリズムであるジェネレーション・アドバイサルMAP-Elites(GAME)を提案する。
論文参考訳（メタデータ） (2025-05-10T12:00:48Z)
Accelerating Evolution: Integrating PSO Principles into Real-Coded Genetic Algorithm Crossover [2.854482269849925]
本研究では、Particle Swarm Optimization-inspired Crossover (PSOX) という、革新的なクロスオーバー演算子を紹介する。 PSOXは、現在のグローバルベストソリューションと、複数の世代にわたる過去の最適ソリューションの両方からのガイダンスを独自に取り入れている。この機構により,探索空間の有望な領域への収束を同時に促進しながら,個体数の多様性を維持することができる。
論文参考訳（メタデータ） (2025-05-06T06:17:57Z)
UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials [62.72989417755985]
自然系における関数の統一生成モデルUniGenXを提案する。 UniGenXはシンボルトークンと数値トークンの混合ストリームとして異種入力を表す。ドメイン間のファンクション・アウェア・ジェネレーションに対して、最先端または競合的なパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-03-09T16:43:07Z)
Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文参考訳（メタデータ） (2024-06-05T06:42:27Z)
IE-GAN: An Improved Evolutionary Generative Adversarial Network Using a New Fitness Function and a Generic Crossover Operator [20.100388977505002]
我々は、新しいフィットネス機能と汎用クロスオーバー演算子を導入するIE-GANと呼ばれる改良されたE-GANフレームワークを提案する。特に、提案されたフィットネス機能は、個人の進化過程をより正確にモデル化することができる。進化アルゴリズムで一般的に採用されているクロスオーバー演算子は、子孫が両親の優れた遺伝子発現を模倣することができる。
論文参考訳（メタデータ） (2021-07-25T13:55:07Z)
Analysis of Evolutionary Diversity Optimisation for Permutation Problems [17.268191781480745]
最もよく研究された置換問題の3つに対する進化的多様性最適化に関する研究その結果、これらの問題に対する多くの突然変異演算子により、最大多様な個体群への収束が保証された。 QAPLIBおよび合成インスタンス上で、制約のない、制約のない環境で実験を行う。
論文参考訳（メタデータ） (2021-02-23T03:13:26Z)

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。