論文の概要: The Geno-Synthetic Algorithm: Type-Factored Coevolutionary Optimization for Heterogeneous Genotypes and Assembled Phenotypes

• arxiv url: http://arxiv.org/abs/2605.13365v1
• Date: Wed, 13 May 2026 11:25:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.007599
• Title: The Geno-Synthetic Algorithm: Type-Factored Coevolutionary Optimization for Heterogeneous Genotypes and Assembled Phenotypes
• Title（参考訳）: 遺伝子合成アルゴリズム:不均一な遺伝子型と集合的現象型に対する型決定的共進化最適化
• Authors: Alex Bogdan,
• Abstract要約: 遺伝子合成アルゴリズム(英: Geno-Synthetic Algorithm、GSA)は、遺伝子ファミリーが表現型によって分割される、型決定された共進化の枠組みである。 GSAは、明示的なアセンブリ演算子を持つ型付き製品空間探索手順として形式化されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many real-world optimization problems are not naturally homogeneous vectors but composite design objects with heterogeneous parameters: integers, real values, Booleans, categoricals, complex-valued descriptors, and embedding vectors. Standard evolutionary algorithms flatten these into a single chromosome and apply generic operators with rounding and repair, sacrificing representational fidelity. We introduce the Geno-Synthetic Algorithm (GSA), a type-factored coevolutionary framework in which gene families are partitioned by representational type, evolved in parallel with type-native operators, and assembled into executable phenotypes for joint fitness evaluation. GSA is formalized as a typed product-space search procedure with an explicit assembly operator. An open-source reference implementation (gsa-experiments, MIT-licensed) is released. A focused empirical study compares eight GSA variants against five baselines across seven benchmark problems (six synthetic plus the external COCO BBOB-MixInt suite) at budgets from 5,000 to 100,000 evaluations. The headline finding is architectural: GSA is the only method that operates when gene families include complex-valued descriptors or embedding vectors. On smooth synthetic multi-family problems, well-tuned flattened differential evolution remains the strongest baseline; on BBOB-MixInt at 100,000 evaluations, GSA_DIRECT becomes statistically indistinguishable from FLATTENED_DE while FLATTENED_EA drops from second to fifth rank, an asymptotic crossover. Ablations confirm that type-native operators are essential, elite credit dominates ensemble credit, and active assembly outperforms passive concatenation on gated benchmarks. The framework extends naturally to prompt and embedding optimization for large language model systems.
• Abstract（参考訳）: 多くの実世界の最適化問題は自然に同質なベクトルではなく、整数、実値、ブール、カテゴリー、複素数値記述子、埋め込みベクトルといった不均一なパラメータを持つ複合設計オブジェクトである。 標準的な進化アルゴリズムは、それらを単一の染色体に平らにし、丸め、修復し、表現の忠実さを犠牲にするジェネリック演算子を適用している。 我々は、遺伝子ファミリーを表現型で分割し、タイプネイティブ演算子と並列に進化させ、関節適合性評価のために実行可能な表現型に組み立てる、型分解共進化型フレームワークであるGeno-Synthetic Algorithm (GSA)を紹介した。 GSAは、明示的なアセンブリ演算子を持つ型付き製品空間探索手順として形式化されている。 オープンソースのリファレンス実装(gsa-experiments、MITライセンス)がリリースされている。 焦点を絞った実証研究は、5,000から10000の予算で、7つのベンチマーク問題(6つの総合的なCOCO BBOB-MixIntスイート)の5つのベースラインと比較した。 GSAは、遺伝子ファミリーが複雑な値を持つ記述子や埋め込みベクターを含む場合にのみ動作する方法である。 10万評価のBBOB-MixIntでは、GSA_DIRECTはFLATTENED_DEと統計的に区別できないが、FLATTENED_EAは2位から5位に減少し、漸近的交叉となる。 アブレーションは、タイプネイティブオペレータが必須であること、エリートクレジットがアンサンブルクレジットを支配していること、アクティブアセンブリがゲートベンチマークでパッシブコンカネーションを上回っていることを確認する。 このフレームワークは、大規模言語モデルシステムに対する最適化のプロンプトと埋め込みに自然に拡張されている。

関連論文リスト

• SAVE: A Generalizable Framework for Multi-Condition Single-Cell Generation with Gene Block Attention [10.404186274295222]
  SAVEは単一セルモデリングのための条件変換器に基づく統一的な生成フレームワークである。 条件生成,バッチ効果補正,摂動予測など,様々なベンチマークでSAVEを評価した。 Saveは、複雑なシングルセルデータをモデリングするためのスケーラブルで汎用的なソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-18T01:45:16Z)
• STABLE: Efficient Hybrid Nearest Neighbor Search via Magnitude-Uniformity and Cardinality-Robustness [59.119196450578364]
  Hybrid ANNS (Hybrid Approximate Nearest Neighbor Search) は、大規模な異種データに対する基礎的な検索技術である。 本稿では, 類似性マグニチュード不均一性に対する適合性バリアと, 属性心に対する耐性ボトルネックを克服するためのrobuSt heTerogeneity-Aware hyBrid retrievaL framEwork, STABLEを提案する。
  論文  参考訳（メタデータ） (2026-04-02T04:52:35Z)
• Beyond Independent Genes: Learning Module-Inductive Representations for Gene Perturbation Prediction [48.80217316452559]
  scBIGは、協調した遺伝子プログラムを明示的にモデル化するモジュール誘導予測フレームワークである。 scBIGは、特に目に見えない、摂動的な設定において、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-02-03T16:43:40Z)
• Generalization and Completeness of Stochastic Local Search Algorithms [0.0]
  局所探索(SLS)アルゴリズムを一意な形式モデルに一般化する。 このモデルには、2つの重要な構成要素がある: できるだけ大きいように設計された共通構造と、できるだけ小さいことを意図したパラメトリック構造である。 SLSアルゴリズムのチューリング完全性を証明するために,本モデルを用いた。
  論文  参考訳（メタデータ） (2026-01-20T18:17:45Z)
• GenoMAS: A Multi-Agent Framework for Scientific Discovery via Code-Driven Gene Expression Analysis [12.311957227670598]
  GenoMASは、タイプされたメッセージパッシングプロトコルを通じて6つの特殊エージェントを編成する。 GenoMASの中心には、ガイド付き計画フレームワークがある。 GenoMASは生物学的に証明可能な遺伝子フェノタイプ関連をその文献で裏付ける。
  論文  参考訳（メタデータ） (2025-07-28T17:55:08Z)
• UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials [62.72989417755985]
  自然系における関数の統一生成モデルUniGenXを提案する。 UniGenXはシンボルトークンと数値トークンの混合ストリームとして異種入力を表す。 ドメイン間のファンクション・アウェア・ジェネレーションに対して、最先端または競合的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-09T16:43:07Z)
• Factorizers for Distributed Sparse Block Codes [45.29870215671697]
  分散ブロック符号(SBC)を高速かつ高精度に分解する手法を提案する。 我々の反復分解器は、しきい値に基づく非線形活性化、条件付きランダムサンプリング、および $ell_infty$-based similarity metricを導入している。 CIFAR-100, ImageNet-1K, RAVENデータセット上での4つの深層CNNアーキテクチャの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-03-24T12:31:48Z)
• Optimal Clustering with Bandit Feedback [57.672609011609886]
  本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。 これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。 合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
  論文  参考訳（メタデータ） (2022-02-09T06:05:05Z)
• Semantically-Oriented Mutation Operator in Cartesian Genetic Programming for Evolutionary Circuit Design [0.5414308305392761]
  本稿では,組合せ回路の進化設計に適した意味指向突然変異演算子(SOMO)を提案する。 一般的なCGPとその変種と比較して、提案手法は一般的なBooleanベンチマークにかなり早く収束する。 最も複雑な回路は1時間以内で進化し、シングルスレッドの実装は共通のCPU上で実行された。
  論文  参考訳（メタデータ） (2020-04-23T08:15:48Z)

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。