論文の概要: RDEx-MOP: Indicator-Guided Reconstructed Differential Evolution for Fixed-Budget Multiobjective Optimization
- arxiv url: http://arxiv.org/abs/2603.27092v1
- Date: Sat, 28 Mar 2026 02:25:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.778999
- Title: RDEx-MOP: Indicator-Guided Reconstructed Differential Evolution for Fixed-Budget Multiobjective Optimization
- Title（参考訳）: RDEx-MOP:Indicator-Guided Reconstructed Differential Evolution for Fixed-Budget Multi Objective Optimization
- Authors: Sichen Tao, Yifei Yang, Ruihan Zhao, Kaiyu Wang, Sicheng Liu, Shangce Gao,
- Abstract要約: 本報告では、IEEE CEC 2025数値最適化コンペティションで使用される再構成された微分進化変種RDEx-MOPについて述べる。
RDEx-MOP を CEC 2025 MOP ベンチマークで評価し,チェックポイントトレースと中央値の U-score フレームワークを用いて評価した。
実験の結果,RDEx-MOPは全比較アルゴリズムの中で最高スコアと最高平均ランクを達成できた。
- 参考スコア（独自算出の注目度）: 13.368759036974224
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiobjective optimisation in the CEC 2025 MOP track is evaluated not only by final IGD values but also by how quickly an algorithm reaches the target region under a fixed evaluation budget. This report documents RDEx-MOP, the reconstructed differential evolution variant used in the IEEE CEC 2025 numerical optimisation competition (C06 special session) bound-constrained multiobjective track. RDEx-MOP integrates indicator-based environmental selection, a niche-maintained Pareto-candidate set, and complementary differential evolution operators for exploration and exploitation. We evaluate RDEx-MOP on the official CEC 2025 MOP benchmark using the released checkpoint traces and the median-target U-score framework. Experimental results show that RDEx-MOP achieves the highest total score and the best average rank among all released comparison algorithms, including the earlier RDEx baseline.
- Abstract（参考訳）: CEC 2025 MOPトラックにおける多目的最適化は、最終IGD値だけでなく、固定評価予算の下でアルゴリズムが対象領域にどれだけ早く到達するかによって評価される。
本報告では,IEEE CEC 2025数値最適化コンペティション(C06スペシャルセッション)における再構成微分進化変種RDEx-MOPについて述べる。
RDEx-MOPは、インジケータベースの環境選択、ニッチな保守されたパレート候補セット、および探索と利用のための相補的な微分進化演算子を統合している。
RDEx-MOP を CEC 2025 MOP ベンチマークで評価し,チェックポイントトレースと中央値の U-score フレームワークを用いて評価した。
実験結果から,RDEx-MOPは従来のRDExベースラインを含む全リリースした比較アルゴリズムの中で,最高スコアと最高平均ランクを達成できた。
関連論文リスト
- RDEx-CSOP: Feasibility-Aware Reconstructed Differential Evolution with Adaptive epsilon-Constraint Ranking [13.368759036974224]
本報告では、IEEE CEC 2025数値最適化コンペティションで使用される制約付き微分進化変種RDEx-CSOPについて述べる。
RDEx-CSOP を U-score フレームワークを用いて CEC 2025 CSOP ベンチマークで評価した。
その結果,RDEx-CSOPは全比較アルゴリズムの中で最高スコアと最高ランクを達成できた。
論文 参考訳（メタデータ） (2026-03-28T02:23:11Z) - RDEx-SOP: Exploitation-Biased Reconstructed Differential Evolution for Fixed-Budget Bound-Constrained Single-Objective Optimization [13.368759036974224]
本報告では, IEEE CEC 2025数値最適化コンペティションで使用される, 評価バイアス付き成功史差分進化変種RDEx-SOPについて述べる。
RDEx-SOP を U-score フレームワークによる公式 CEC 2025 SOP ベンチマークで評価する(高速化と精度のカテゴリ)。
論文 参考訳（メタデータ） (2026-03-28T02:18:38Z) - Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。
MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。
MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
論文 参考訳（メタデータ） (2025-11-26T17:01:41Z) - Robust Differential Evolution via Nonlinear Population Size Reduction and Adaptive Restart: The ARRDE Algorithm [0.010411372746649314]
ARRDE は LSHADE アルゴリズム上に構築され,jSO の鍵機構を組み込んだ非線形人口削減戦略を導入している。
ARRDEは、考慮されたすべてのベンチマークスイートの中で、トップレベルのパフォーマンスを一貫して示す。
論文 参考訳（メタデータ） (2025-11-23T12:50:25Z) - Neighbor GRPO: Contrastive ODE Policy Optimization Aligns Flow Models [48.3520220561093]
グループ相対政策最適化は、画像とビデオ生成モデルと人間の嗜好の整合性を示す。
現代のフローマッチングモデルに適用することは、決定論的サンプリングパラダイムのために難しい。
SDE の必要性を完全に回避する新しいアライメントアルゴリズム Neighbor GRPO を提案する。
論文 参考訳（メタデータ） (2025-11-21T05:02:47Z) - Rethinking Link Prediction for Directed Graphs [73.36395969796804]
有向グラフのリンク予測は、様々な現実世界のアプリケーションにとって重要な課題である。
埋め込み手法とグラフニューラルネットワーク(GNN)の最近の進歩は、有望な改善を示している。
本稿では,既存手法の表現性を評価する統一的なフレームワークを提案し,二重埋め込みとデコーダ設計がリンクの有向予測性能に与える影響を強調した。
論文 参考訳（メタデータ） (2025-02-08T23:51:05Z) - When Demonstrations Meet Generative World Models: A Maximum Likelihood
Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。
タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
論文 参考訳（メタデータ） (2023-02-15T04:14:20Z) - MAgNet: Mesh Agnostic Neural PDE Solver [68.8204255655161]
気候予測は、流体シミュレーションにおける全ての乱流スケールを解決するために、微細な時間分解能を必要とする。
現在の数値モデル解法 PDEs on grids that too coarse (3km～200km on each side)
本研究では,空間的位置問合せが与えられたPDEの空間的連続解を予測する新しいアーキテクチャを設計する。
論文 参考訳（メタデータ） (2022-10-11T14:52:20Z) - Robust and Adaptive Temporal-Difference Learning Using An Ensemble of
Gaussian Processes [70.80716221080118]
本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。
OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。
1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
論文 参考訳（メタデータ） (2021-12-01T23:15:09Z)
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。