論文の概要: A Scalable Benchmark Test Suite for Dynamic Multi-Objective Optimization with a Changing Number of Objectives

• arxiv url: http://arxiv.org/abs/2605.25785v1
• Date: Mon, 25 May 2026 12:33:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.040884
• Title: A Scalable Benchmark Test Suite for Dynamic Multi-Objective Optimization with a Changing Number of Objectives
• Title（参考訳）: 目的数の変化を伴う動的多目的最適化のためのスケーラブルベンチマークテストスイート
• Authors: Ke Shang, Zhiyun Xiao, Yuxuan Liu, Jianguo Li, Shaojiang Wang, Wei Sun,
• Abstract要約: 動的多目的最適化のためのスケーラブルなベンチマークテストスイートを提案する。 我々のベンチマークは、最大目的問題を定義し、目的のサブセットを動的に選択することで構成される。
• 参考スコア（独自算出の注目度）: 20.168362777922848
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic multi-objective optimization with a changing number of objectives has recently attracted increasing attention due to its relevance to real-world problems whose evaluation criteria may evolve over time. However, existing benchmark test suites for this problem setting suffer from a fundamental limitation: when the number of objectives changes, the objective functions themselves also change implicitly. This makes it difficult to isolate and evaluate an algorithm's capability to handle dynamics in the number of objectives alone. In this paper, we analyze this issue in detail and show that several theoretical properties claimed in prior studies rely on an assumption that is violated by commonly used test suites. To address this problem, we propose a scalable benchmark test suite in which the objective functions are fixed throughout the optimization process, while the number of active objectives changes over time. Our benchmark is constructed by defining a maximum-objective problem and dynamically selecting subsets of objectives. To avoid degeneracy issues in classical DTLZ and WFG problems, we adopt Minus-DTLZ and Minus-WFG formulations, in which all objectives are mutually conflicting. Extensive benchmark studies using representative algorithms from the literature demonstrate the usefulness and flexibility of the proposed test suite.
• Abstract（参考訳）: 目的が変化する動的多目的最適化は、評価基準が時間とともに進化する可能性のある実世界の問題との関連性から、近年注目を集めている。 しかし、この問題に対する既存のベンチマークテストスイートは基本的な制限に悩まされており、目的の数が変化すると、目的関数自体も暗黙的に変化する。 これにより、目的の個数だけで動的に処理するアルゴリズムの能力の分離と評価が困難になる。 本稿では、この問題を詳細に分析し、先行研究で主張されているいくつかの理論的性質が、一般的に用いられるテストスイートに反する仮定に依存していることを示す。 そこで本研究では,対象関数が最適化プロセス全体を通して固定され,アクティブな目的の数が時間とともに変化するような,スケーラブルなベンチマークテストスイートを提案する。 我々のベンチマークは、最大目的問題を定義し、目的のサブセットを動的に選択することで構成される。 古典的DTLZ問題とWFG問題における縮退問題を回避するため,すべての目的が互いに矛盾しているMinus-DTLZとMinus-WFGの定式化を採用する。 文献からの代表的なアルゴリズムを用いた大規模なベンチマーク研究は、提案したテストスイートの有用性と柔軟性を示している。

関連論文リスト

• Online Decision-Focused Learning [74.3205104323777]
  意思決定中心学習(DFL)は、意思決定タスクで予測出力が使用されるモデルのトレーニングパラダイムとして、ますます人気が高まっている。 本稿では,目的関数を規則化し,その相違を解消し,非最適関数を克服する方法を検討する。 また、クナップサック実験におけるアルゴリズムの有効性を示し、2つの標準ベンチマークを上回りました。
  論文  参考訳（メタデータ） (2025-05-19T10:40:30Z)
• A Comparison-Relationship-Surrogate Evolutionary Algorithm for Multi-Objective Optimization [0.0]
  比較相関モデルを用いた新しい進化的アルゴリズムCRSEAを提案する。 CRSEAは,多くの中規模・生物客観的問題において,試験されたSAEAよりも優れた収束解を求める。
  論文  参考訳（メタデータ） (2025-04-28T01:39:38Z)
• Non-Myopic Multi-Objective Bayesian Optimization [64.31753000439514]
  多目的最適化問題を解くために、有限水平逐次実験設計の問題を考察する。 この問題は、材料設計を含む多くの現実世界の応用で発生する。 我々はMOO問題に対する最初の非ミオピック手法を提案する。
  論文  参考訳（メタデータ） (2024-12-11T04:05:29Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• Multi-objective optimisation via the R2 utilities [4.12484724941528]
  本稿では,多目的最適化問題を集合上で定義された単目的最適化問題に再キャストする方法を示す。 この新しい問題に対する目的関数の適切なクラスは、スカラー化された最適化問題に対する重み付き積分として定義されるユーティリティ関数であるR2ユーティリティである。 次に、これらの欲求的アルゴリズムの性能を理論的にも経験的にも分析する。
  論文  参考訳（メタデータ） (2023-05-19T16:01:35Z)
• Multi-Objective GFlowNets [59.16787189214784]
  本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。 薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
  論文  参考訳（メタデータ） (2022-10-23T16:15:36Z)
• Alleviating Search Bias in Bayesian Evolutionary Optimization with Many Heterogeneous Objectives [9.139734850798124]
  異種目的(HE-MOP)を用いた多目的最適化問題に対処する。 高速な目的に対して探索バイアスを緩和する新たな獲得関数を提案する。 提案アルゴリズムの有効性を,多目的・多目的のベンチマーク問題で検証することによって実証する。
  論文  参考訳（メタデータ） (2022-08-25T17:07:40Z)
• Scalable and Customizable Benchmark Problems for Many-Objective Optimization [0.0]
  我々は多目的問題(MaOP)に対するスケーラブルでカスタマイズ可能なベンチマーク問題のパラメータ化生成器を提案する。 他のベンチマークにある機能を再現する問題や、いくつかの新機能に関する問題を生成することができる。
  論文  参考訳（メタデータ） (2020-01-26T12:39:51Z)

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。