論文の概要: A Novel Immune Algorithm for Multiparty Multiobjective Optimization

• arxiv url: http://arxiv.org/abs/2603.27541v1
• Date: Sun, 29 Mar 2026 06:44:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.015732
• Title: A Novel Immune Algorithm for Multiparty Multiobjective Optimization
• Title（参考訳）: 多人数多目的最適化のための新しい免疫アルゴリズム
• Authors: Kesheng Chen, Wenjian Luo, Qi Zhou, Yujiang liu, Peilan Xu, Yuhui Shi,
• Abstract要約: 本稿では,多党免疫アルゴリズム(MPIA)と呼ばれる新しいアプローチを提案する。 MPIAは、異なるDMの観点から、個人の非支配的なソートランクに基づいて、党間のクロスオーバー戦略を取り入れている。 実験の結果,MPIAは他のアルゴリズムよりも優れていた。
• 参考スコア（独自算出の注目度）: 6.574142926422062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional multiobjective optimization problems (MOPs) are insufficiently equipped for scenarios involving multiple decision makers (DMs), which are prevalent in many practical applications. These scenarios are categorized as multiparty multiobjective optimization problems (MPMOPs). For MPMOPs, the goal is to find a solution set that is as close to the Pareto front of each DM as much as possible. This poses challenges for evolutionary algorithms in terms of searching and selecting. To better solve MPMOPs, this paper proposes a novel approach called the multiparty immune algorithm (MPIA). The MPIA incorporates an inter-party guided crossover strategy based on the individual's non-dominated sorting ranks from different DM perspectives and an adaptive activation strategy based on the proposed multiparty cover metric (MCM). These strategies enable MPIA to activate suitable individuals for the next operations, maintain population diversity from different DM perspectives, and enhance the algorithm's search capability. To evaluate the performance of MPIA, we compare it with ordinary multiobjective evolutionary algorithms (MOEAs) and state-of-the-art multiparty multiobjective optimization evolutionary algorithms (MPMOEAs) by solving synthetic multiparty multiobjective problems and real-world biparty multiobjective unmanned aerial vehicle path planning (BPUAV-PP) problems involving multiple DMs. Experimental results demonstrate that MPIA outperforms other algorithms.
• Abstract（参考訳）: 従来の多目的最適化問題(MOP)は、複数の意思決定者(DM)を含むシナリオに対して不十分である。 これらのシナリオはマルチパーティ多目的最適化問題(MPMOP)に分類される。 MPMOPにとってのゴールは、各DMのParetoフロントにできるだけ近いソリューションセットを見つけることである。 これは、探索と選択という観点で進化的アルゴリズムに挑戦する。 MPMOPをよりよく解くために,多党免疫アルゴリズム (MPIA) と呼ばれる新しいアプローチを提案する。 MPIAは、異なるDM視点から、個人の非支配的なソートランクに基づいて、パーティ間のクロスオーバー戦略と、提案したマルチパーティカバーメトリック(MCM)に基づく適応的アクティベーション戦略を取り入れている。 これらの戦略により、MPIAは次の操作に適した個人を活性化し、DMの観点からの個体数の多様性を維持し、アルゴリズムの検索能力を高めることができる。 我々は,MPIAの性能を評価するために,合成多目的問題と実世界の双方向多目的無人航空機経路計画(BPUAV-PP)を解くことで,通常の多目的進化アルゴリズム(MOEA)と最先端多目的最適化アルゴリズム(MPMOEA)を比較した。 実験の結果,MPIAは他のアルゴリズムよりも優れていた。

関連論文リスト

• Evolutionary Biparty Multiobjective UAV Path Planning: Problems and Empirical Comparisons [7.683717012815272]
  無人航空機(UAV)は都市ミッションで広く使用されている。 効率部門と安全部門の両方にかかわる双方向多目的UAV経路計画(BPMO-UAVPP)の問題をモデル化した。
  論文  参考訳（メタデータ） (2026-03-23T03:57:51Z)
• Multi-Paradigm Collaborative Adversarial Attack Against Multi-Modal Large Language Models [67.45032003041399]
  本稿では,MLLMに対する敵例の転送可能性を高めるために,MPCAttack(Multi-Paradigm Collaborative Attack)フレームワークを提案する。 MPCOは異なるパラダイム表現の重要性を適応的にバランスさせ、グローバルな最適化を導く。 我々のソリューションは、オープンソースおよびクローズドソースMLLMに対する標的および未ターゲットの攻撃において、常に最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2026-03-05T06:01:26Z)
• MO-MIX: Multi-Objective Multi-Agent Cooperative Decision-Making With Deep Reinforcement Learning [68.91090643731987]
  深部強化学習(RL)は複雑な意思決定問題を解決するために広く応用されている。 既存のアプローチは、別々のフィールドに限られており、単一の目的でマルチエージェントの意思決定しか処理できない。 マルチオブジェクト型マルチエージェント強化学習(MOMARL)問題の解法としてMO-mixを提案する。
  論文  参考訳（メタデータ） (2026-02-28T16:25:22Z)
• Runtime Analysis of Evolutionary Algorithms for Multi-party Multi-objective Optimization [3.565735541536066]
  本稿では、双方向多目的最適化問題(BPMOPs)における予測実行時ベース進化アルゴリズムの最初の理論的解析について述べる。 以上の結果から,MPMOPの解決に従来の多目的最適化アルゴリズムを用いることは,意思決定者間でのコンセンサスを達成できない解が多数存在するため,時間的・非効率的であることが示唆された。 疑似ブール最適化のための進化的多目的型多目的型(EMPMO)を提案する。
  論文  参考訳（メタデータ） (2025-01-09T13:16:08Z)
• UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [51.00436121587591]
  マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。 重みベクトル w でパラメトリした線型効用関数の場合に焦点を当てる。 学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-05-01T09:34:42Z)
• Evolutionary Multiparty Distance Minimization [13.552748117124278]
  マルチパーティ多目的最適化問題 (MPMOP) は、複数の意思決定者が関与するMOPを記述するために提案される。 本稿では距離最小化問題(DMP)に基づく一連のMPMOPを構成する。 提案するアルゴリズムであるOPtMPNDS3は,マルチパーティの初期化手法を用いて個体群の初期化を行い,JADE2演算子を用いて子孫を生成する。
  論文  参考訳（メタデータ） (2022-07-27T09:17:58Z)
• Permutation Invariant Policy Optimization for Mean-Field Multi-Agent Reinforcement Learning: A Principled Approach [128.62787284435007]
  本稿では,平均場近似ポリシ最適化(MF-PPO)アルゴリズムを提案する。 我々は,MF-PPOが収束のサブ線形速度で世界的最適政策を達成することを証明した。 特に、置換不変ニューラルアーキテクチャによって引き起こされる誘導バイアスは、MF-PPOが既存の競合より優れていることを示す。
  論文  参考訳（メタデータ） (2021-05-18T04:35:41Z)
• Decomposition in Decision and Objective Space for Multi-Modal Multi-Objective Optimization [15.681236469530397]
  多モード多目的最適化問題(MMMOP)はパレート最適集合内に複数の部分集合を持つ。 一般的な多目的進化的アルゴリズムは、複数の解部分集合を探索するために純粋に設計されていないが、MMMOP向けに設計されたアルゴリズムは、目的空間における劣化した性能を示す。 これは、MMMOPに対処するためのより良いアルゴリズムの設計を動機付けている。
  論文  参考訳（メタデータ） (2020-06-04T03:18:47Z)

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。