論文の概要: A Longitudinal Analysis of the CEC Single-Objective Competitions (2010-2024) and Implications for Variational Quantum Optimization
- arxiv url: http://arxiv.org/abs/2603.24140v1
- Date: Wed, 25 Mar 2026 10:04:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.240445
- Title: A Longitudinal Analysis of the CEC Single-Objective Competitions (2010-2024) and Implications for Variational Quantum Optimization
- Title（参考訳）: CEC単目的コンペティション(2010-2024)の経時的解析と変分量子最適化への応用
- Authors: Vojtěch Novák, Tomáš Bezděk, Ivan Zelinka, Swagatam Das, Martin Beseda,
- Abstract要約: IEEE CEC Single Objective Optimizationの結果(2010-2024)を歴史的に分析した。
ベンチマーク関数が勝利アルゴリズムをどう形成するかを解析し、2014年の高密度回転行列の導入を重要性能フィルタとして同定する。
我々は、これらの最新のベンチマークと変分量子アルゴリズムのランドスケープの構造的類似性を同定し、進化したCECソルバが量子制御に必要な特定の適応能力を持っていることを示唆した。
- 参考スコア（独自算出の注目度）: 14.551721187769049
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper provides a historical analysis of the IEEE CEC Single Objective Optimization competition results (2010-2024). We analyze how benchmark functions shaped winning algorithms, identifying the 2014 introduction of dense rotation matrices as a key performance filter. This design choice introduced parameter non-separability, reduced effectiveness of coordinate-dependent methods (PSO, GA), and established the dominance of Differential Evolution variants capable of preserving the rotational invariance of their difference vectors, specifically L-SHADE. Post-2020 analysis reveals a shift towards high complexity hybrid optimizers that combine different mechanisms (e.g., Eigenvector Crossover, Societal Sharing, Reinforcement Learning) to maximize ranking stability. We conclude by identifying structural similarities between these modern benchmarks and Variational Quantum Algorithm landscapes, suggesting that evolved CEC solvers possess the specific adaptive capabilities required for quantum control.
- Abstract（参考訳）: 本稿では,IEEE CEC Single Objective Optimizationの結果(2010-2024)を歴史的に分析する。
ベンチマーク関数が勝利アルゴリズムをどう形成するかを解析し、2014年の高密度回転行列の導入を重要性能フィルタとして同定する。
この設計選択はパラメータ非分離性を導入し、座標依存手法(PSO, GA)の有効性を低下させ、差分ベクトルの回転不変性、特にL-SHADEを保ち得る微分進化変種を支配力として確立した。
Eigenvector Crossover, Societal Sharing, Reinforcement Learningなど,さまざまなメカニズムを組み合わせた高複雑性ハイブリッドオプティマイザへの移行によって,ランク付け安定性の最大化が実現された。
我々は、これらの最新のベンチマークと変分量子アルゴリズムのランドスケープの構造的類似性を同定し、進化したCECソルバが量子制御に必要な特定の適応能力を持っていることを示唆した。
関連論文リスト
- Stochastic Optimization with Optimal Importance Sampling [49.484190237840714]
本稿では,両者の時間的分離を必要とせずに,意思決定とIS分布を共同で更新する反復型アルゴリズムを提案する。
本手法は,IS分布系に対する目的的,軽度な仮定の凸性の下で,最小の変数分散を達成し,大域収束を保証する。
論文 参考訳（メタデータ） (2025-04-04T16:10:18Z) - Scaling the Variational Quantum Eigensolver for Dynamic Portfolio Optimization [0.24776665860114822]
本研究は,100kbitのユーティリティフロンティアを超える動的ポートフォリオ最適化問題の解法における変分量子固有解法の可能性について検討する。
我々は、アンサッツと実際の量子処理ユニットの異なる組み合わせをテストすることによって、この戦略を6から112キュービットまで、複雑さとサイズでスケールする方法を分析する。
論文 参考訳（メタデータ） (2024-12-26T10:11:22Z) - Integrating Chaotic Evolutionary and Local Search Techniques in Decision Space for Enhanced Evolutionary Multi-Objective Optimization [1.8130068086063336]
本稿では,SOMMOP(Single-Objective Multi-Modal Optimization)とMOO(Multi-Objective Optimization)の両方に焦点を当てる。
SOMMOPではニッチ技術とカオス進化を統合し,ガウス突然変異を併用したパーシスタンス・クラスタリングを行った。
MOOでは,これらの手法を不確実性に基づく選択,適応的チューニングを組み込んだ包括的フレームワークに拡張し,決定論的群集に半径(R)の概念を導入する。
論文 参考訳（メタデータ） (2024-11-12T15:18:48Z) - Bridging Multicalibration and Out-of-distribution Generalization Beyond Covariate Shift [44.708914058803224]
マルチキャリブレーションによるアウト・オブ・ディストリビューションの一般化のための新しいモデルに依存しない最適化フレームワークを構築した。
本稿では,マルチキャリブレーションとアウト・オブ・ディストリビューションの一般化を両立させるポストプロセッシングアルゴリズムMC-Pseudolabelを提案する。
論文 参考訳（メタデータ） (2024-06-02T08:11:35Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - Advancements in Optimization: Adaptive Differential Evolution with
Diversification Strategy [0.0]
この研究は2次元空間において単目的最適化を採用し、複数の反復で各ベンチマーク関数上でADEDSを実行する。
ADEDSは、多くの局所最適化、プレート型、谷型、伸縮型、ノイズの多い機能を含む様々な最適化課題において、標準Dより一貫して優れている。
論文 参考訳（メタデータ） (2023-10-02T10:05:41Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z)
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。