Fugu-MT 論文翻訳(概要): Generalized Heavy-tailed Mutation for Evolutionary Algorithms

論文の概要: Generalized Heavy-tailed Mutation for Evolutionary Algorithms

arxiv url: http://arxiv.org/abs/2604.00502v1
Date: Wed, 01 Apr 2026 05:33:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-02 16:44:31.848344
Title: Generalized Heavy-tailed Mutation for Evolutionary Algorithms
Title（参考訳）: 進化的アルゴリズムのための一般化ヘビーテール変異
Abstract要約: 重い尾を持つ突然変異作用素は、進化アルゴリズムのためにDoerr、Le、Makhmara、Nguyenによって提案されている。突然変異率の分布関数に規則的に変化する制約を用いて、パワー・ローの仮定を一般化する。一般化条件を満たす重尾突然変異演算子の新バージョンが提案されている。
参考スコア（独自算出の注目度）: 0.45880283710344055
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The heavy-tailed mutation operator, proposed by Doerr, Le, Makhmara, and Nguyen (2017) for evolutionary algorithms, is based on the power-law assumption of mutation rate distribution. Here we generalize the power-law assumption using a regularly varying constraint on the distribution function of mutation rate. In this setting, we generalize the upper bounds on the expected optimization time of the $(1+(λ,λ))$ genetic algorithm obtained by Antipov, Buzdalov and Doerr (2022) for the OneMax function class parametrized by the problem dimension $n$. In particular, it is shown that, on this function class, the sufficient conditions of Antipov, Buzdalov and Doerr (2022) on the heavy-tailed mutation, ensuring the $O(n)$ optimization time in expectation, may be generalized as well. This optimization time is known to be asymptotically smaller than what can be achieved by the $(1+(λ,λ))$ genetic algorithm with any static mutation rate. A new version of the heavy-tailed mutation operator is proposed, satisfying the generalized conditions, and promising results of computational experiments are presented.
Abstract（参考訳）: 進化的アルゴリズムのためにDoerr, Le, Makhmara, Nguyen (2017) によって提案された重尾突然変異作用素は、突然変異率分布の法則に基づいたものである。ここでは、突然変異率の分布関数に対する規則的に変化する制約を用いて、パワー・ローの仮定を一般化する。この設定では、問題次元$n$でパラメータ化されたOneMax関数クラスに対して、Antipov, Buzdalov and Doerr (2022) によって得られた$(1+(λ,λ))$の遺伝的アルゴリズムの期待最適化時間の上界を一般化する。特に、この関数クラスでは、重尾突然変異に対するAntipov, Buzdalov and Doerr (2022) の十分な条件が示され、期待される$O(n)$最適化時間も一般化される。この最適化時間は、静的な突然変異率を持つ1+(λ,λ)$の遺伝的アルゴリズムによって達成できるものよりも漸近的に小さいことが知られている。一般化条件を満たす重み付き突然変異演算子の新バージョンを提案し,計算実験の有望な結果を示す。

関連論文リスト

An upper bound of the mutation probability in the genetic algorithm for general 0-1 knapsack problem [4.368211287521716]
我々は,0-1knapsack問題(0-1KP)と改良された突然変異演算子(IMO)に対する新しい還元法を提案する。大規模インスタンスにおいて1回の反復で最適解を打つIMOは、従来の突然変異演算子よりも優れていることを証明した。
論文参考訳（メタデータ） (2024-03-17T19:05:40Z)
Gradient-free optimization of highly smooth functions: improved analysis and a new algorithm [87.22224691317766]
この研究は、目的関数が極めて滑らかであるという仮定の下で、ゼロ次ノイズオラクル情報による問題を研究する。ゼロオーダー射影勾配勾配アルゴリズムを2種類検討する。
論文参考訳（メタデータ） (2023-06-03T17:05:13Z)
Larger Offspring Populations Help the $(1 + (\lambda, \lambda))$ Genetic Algorithm to Overcome the Noise [76.24156145566425]
進化的アルゴリズムは、適合性の評価においてノイズに対して堅牢であることが知られている。我々は$(lambda,lambda)$の遺伝的アルゴリズムがどんなにノイズに強いかを解析する。
論文参考訳（メタデータ） (2023-05-08T08:49:01Z)
Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文参考訳（メタデータ） (2023-01-30T15:46:39Z)
Extra-Newton: A First Approach to Noise-Adaptive Accelerated Second-Order Methods [57.050204432302195]
本研究では,2次スムーズな凸関数を最小化するための普遍的かつ適応的な2次法を提案する。我々のアルゴリズムは、オラクルフィードバックが分散$sigma2$であるときに$O(sigma / sqrtT)$収束を達成し、決定論的オラクルで$O(1 / T3)$に収束を改善する。
論文参考訳（メタデータ） (2022-11-03T14:12:51Z)
Improved Convergence Rate of Stochastic Gradient Langevin Dynamics with Variance Reduction and its Application to Optimization [50.83356836818667]
勾配ランゲヴィン・ダイナミクスは非エプス最適化問題を解くための最も基本的なアルゴリズムの1つである。本稿では、このタイプの2つの変種、すなわち、分散還元ランジュバンダイナミクスと再帰勾配ランジュバンダイナミクスを示す。
論文参考訳（メタデータ） (2022-03-30T11:39:00Z)
A Rank based Adaptive Mutation in Genetic Algorithm [0.0]
本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と限られた資源制約内での適応的アプローチとの比較実験を行った。
論文参考訳（メタデータ） (2021-04-18T12:41:33Z)
Optimal Static Mutation Strength Distributions for the $(1+\lambda)$ Evolutionary Algorithm on OneMax [1.0965065178451106]
人口が十分に大きくなると、このような最適な分布は驚くほど複雑で直感に反する可能性がある。人口が十分に大きくなると、このような最適な分布は驚くほど複雑で直感に反する可能性がある。
論文参考訳（メタデータ） (2021-02-09T16:56:25Z)
Optimal Mutation Rates for the $(1+\lambda)$ EA on OneMax [1.0965065178451106]
我々は、最適な突然変異率の分析を、OneMax問題の2つの変種に拡張する。すべての集団サイズを2i mid 0 le i le 18$で計算します。我々の結果は、一般的な進化的アプローチを測ることのできる低い境界を提供するばかりではない。
論文参考訳（メタデータ） (2020-06-20T01:23:14Z)
Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文参考訳（メタデータ） (2020-06-11T17:43:19Z)
Fast Mutation in Crossover-based Algorithms [8.34061303235504]
Doerr、Le、Makhmara、Nguyen(GECCO)で提案された重尾突然変異演算子 Doerr、Le、Makhmara、Nguyen(GECCO)で提案された重尾突然変異演算子実験的な研究は、ランダムに満足できるMax-3SATインスタンスにも高速突然変異の有効性を示す。
論文参考訳（メタデータ） (2020-04-14T14:16:42Z)

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。