Fugu-MT 論文翻訳(概要): RCMAES: A Robust CMA-ES Variant for CEC2026 Competition

論文の概要: RCMAES: A Robust CMA-ES Variant for CEC2026 Competition

arxiv url: http://arxiv.org/abs/2604.27138v1
Date: Wed, 29 Apr 2026 19:50:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-01 16:31:53.779367
Title: RCMAES: A Robust CMA-ES Variant for CEC2026 Competition
Title（参考訳）: RCMAES: CEC2026コンペティション用のロバストなCMA-ESヴァリアント
Authors: Khoirul Faiq Muzakka, Sören Möller, Martin Finsterbusch,
Abstract要約: RCMAESは、CMA-ESフレームワーク内での適応的な再起動機構と、次元依存の非線形集団サイズ縮小戦略を統合する。 RCMAESは、すべてのベンチマークで、競争力と堅牢なパフォーマンスを達成する。
参考スコア（独自算出の注目度）: 0.012202203114453207
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes RCMAES, a novel variant of the Covariance Matrix Adaptation Evolution Strategy (CMA-ES) for CEC benchmark optimization. RCMAES integrates a dimension-dependent nonlinear population-size reduction strategy with an adaptive restart mechanism within a pure CMA-ES framework. RCMAES is evaluated on three benchmark suites (CEC2017, CEC2020, and CEC2022) and compared with state-of-the-art DE algorithms as well as its closely related counterpart, BIPOP-aCMAES. Experimental results show that RCMAES achieves competitive and robust performance across all benchmarks.
Abstract（参考訳）: 本稿では,CECベンチマーク最適化のためのCMA-ES(Covariance Matrix Adaptation Evolution Strategy)の新たな変種であるRCMAESを提案する。 RCMAESは、CMA-ESフレームワーク内での適応的な再起動機構と、次元依存の非線形集団サイズ縮小戦略を統合する。 RCMAESは3つのベンチマークスイート(CEC2017、CEC2020、CEC2022)で評価され、最先端のDEMアルゴリズムと密接に関連するBIPOP-aCMAESと比較される。実験の結果,RCMAESは全てのベンチマークにおいて,競争力と頑健な性能を達成できた。

関連論文リスト

RDEx-CMOP: Feasibility-Aware Indicator-Guided Differential Evolution for Fixed-Budget Constrained Multiobjective 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微分進化変種RDEx-CMOPについて述べる。 RDEx-CMOPをCEC 2025 CMOPベンチマークで評価する。実験の結果,RDEx-CMOP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。
論文参考訳（メタデータ） (2026-04-04T12:27:36Z)
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)
A Longitudinal Analysis of the CEC Single-Objective Competitions (2010-2024) and Implications for Variational Quantum Optimization [14.551721187769049]
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。
論文参考訳（メタデータ） (2026-03-25T10:04:46Z)
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)
Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文参考訳（メタデータ） (2025-04-21T04:56:47Z)
MRCEval: A Comprehensive, Challenging and Accessible Machine Reading Comprehension Benchmark [51.73839215956791]
我々は、理解を読むのに必要な重要な能力を分類する新しい分類法を導入する。この分類に基づくMRCEvalは,大規模言語モデル(LLM)をサンプルジェネレータおよび選択判断器として活用するMRCベンチマークである。 MRCEvalは総合的で、挑戦的でアクセスしやすいベンチマークであり、13のRCスキルをカバーし、合計2.1Kの高品質なマルチチョイスの質問をカバーしている。
論文参考訳（メタデータ） (2025-03-10T10:20:05Z)
CTC-DRO: Robust Optimization for Reducing Language Disparities in Speech Recognition [61.925178250628825]
グループ分散ロバストな最適化(グループDRO)は、最悪のグループ損失を最小限に抑えてこの問題に対処するが、グループ損失がグループ間の性能差を誤って表すと失敗する。 CTC-DROは群重み更新をスムースにすることで群DRO目標の欠点に対処し,一貫した高損失群に対する過剰エンハンシスを防ぐ。
論文参考訳（メタデータ） (2025-02-03T19:29:42Z)
Fast Context-Biasing for CTC and Transducer ASR models with CTC-based Word Spotter [57.64003871384959]
この研究は、CTCベースのWord Spotterでコンテキストバイアスを高速化するための新しいアプローチを示す。提案手法は,CTCログ確率をコンパクトなコンテキストグラフと比較し,潜在的なコンテキストバイアス候補を検出する。その結果、FスコアとWERの同時改善により、文脈バイアス認識の大幅な高速化が示された。
論文参考訳（メタデータ） (2024-06-11T09:37:52Z)
Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
論文参考訳（メタデータ） (2022-04-08T20:46:16Z)
Conformer-based Hybrid ASR System for Switchboard Dataset [99.88988282353206]
本稿では,競争力のあるコンバータベースハイブリッドモデルトレーニングレシピを提示し,評価する。本研究は,単語誤り率の向上と学習速度向上のための異なる訓練側面と手法について検討する。我々はSwitchboard 300hデータセットで実験を行い、コンバータベースのハイブリッドモデルは競争力のある結果を得る。
論文参考訳（メタデータ） (2021-11-05T12:03:18Z)

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。