論文の概要: SPEA2$^+$: Improved Density Estimation in SPEA2 with Provable Runtime Guarantees

• arxiv url: http://arxiv.org/abs/2606.12382v1
• Date: Wed, 10 Jun 2026 17:44:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.60427
• Title: SPEA2$^+$: Improved Density Estimation in SPEA2 with Provable Runtime Guarantees
• Title（参考訳）: SPEA2$^+$:provable Runtime GuaranteeによるSPEA2の密度推定の改善
• Authors: Duc-Cuong Dang, Andre Opris, Dirk Sudholt,
• Abstract要約: その人気にもかかわらず、SPEA2の理論的解析は近年しか現れていない。 これらのコンポーネントが分析されるSPEA2の最初のランタイム分析を行います。 我々は、すべての対距離を考慮した改良版 SPEA2$+$ を提案する。
• 参考スコア（独自算出の注目度）: 5.964436882344729
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Strength Pareto Evolutionary Algorithm 2 (SPEA2) is a popular and prominent evolutionary algorithm for solving multi-objective optimisation problems. Despite its popularity, theoretical analyses of SPEA2 have only appeared recently. Moreover, these analyses focus exclusively on how SPEA2 handles non-dominated solutions and disregard the algorithmic components responsible for handling dominated solutions. We conduct a first runtime analysis of SPEA2 for which these components are analysed. We prove that, unlike other prominent algorithms, including NSGA-II, NSGA-III and SMS-EMOA under the same setting of constant population size and duplicate elimination, SPEA2 is unable to cover the Pareto front of the OneTrapZeroTrap benchmark efficiently. Our results indicate that using k-th nearest-neighbour distance in the fitness assignment provides an insufficient signal to maintain diversity among dominated individuals. To address this issue, we propose an improved variant, SPEA2$^+$, that considers all pairwise distances. The new algorithm achieves the same performance guarantees as the other prominent algorithms on OneTrapZeroTrap, while matching the performance of the original SPEA2 on simpler problems. Experimental results complement our theoretical findings.
• Abstract（参考訳）: 強度パレート進化アルゴリズム2(英語: Strength Pareto Evolutionary Algorithm 2)は、多目的最適化問題の解法である。 その人気にもかかわらず、SPEA2の理論的解析は近年しか現れていない。 さらに、これらの分析は、SPEA2が非支配的なソリューションをどのように扱うかにのみ焦点をあて、支配的なソリューションを扱うアルゴリズムコンポーネントを無視している。 これらのコンポーネントが分析されるSPEA2の最初のランタイム分析を行います。 また, NSGA-II, NSGA-III, SMS-EMOAなどの他のアルゴリズムと異なり, SPEA2はOneTrapZeroTrapベンチマークのParetoフロントを効率的にカバーできない。 以上の結果から, フィットネス課題において, 最近距離の k-th は, 支配的個人間の多様性を維持するには不十分な信号であることがわかった。 この問題に対処するため、全対距離を考慮した改良版SPEA2$^+$を提案する。 新しいアルゴリズムは、OneTrapZeroTrapの他の顕著なアルゴリズムと同じ性能を保証すると同時に、オリジナルのSPEA2のパフォーマンスを単純な問題で一致させる。 実験結果は理論的な結果を補完する。

関連論文リスト

• ANCHOR: Autoregressive Non-intrusive Chunk-Ordered Refinement for Joint Multi-Resolution Speech Quality Modeling [62.983372215479925]
  ストリーミングと生成システムは、部分的なオーディオから漸進的な推定を必要とする。 多分解能オートレタスクとしてインクリメンタルアセスメントを改良したANCHORを提案する。 2秒プレフィックスの48%のPLCMOSエラー削減を含む、部分入力下でのかなりの堅牢性を示す実験。
  論文  参考訳（メタデータ） (2026-06-08T22:46:30Z)
• Stochastic Primal-Dual Double Block-Coordinate for Two-way Partial AUC Maximization [45.99743804547533]
  2方向部分AUCAUCは、不均衡なデータを持つバイナリ分類における重要な性能指標である。 TPAUC最適化のための既存のアルゴリズムは未探索のままである。 TPAUC最適化のための2つの革新的な二重座標ブロック座標アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2025-05-28T03:55:05Z)
• Proven Approximation Guarantees in Multi-Objective Optimization: SPEA2 Beats NSGA-II [8.279693387917217]
  強度進化アルゴリズム2(SPEA2)は、支配に基づく多目的進化アルゴリズム(MOEA)の1つである。 簡単な定常SPEA2がパレートフロントの最適近似を時間内に計算できることを実証する。
  論文  参考訳（メタデータ） (2025-05-02T14:55:13Z)
• Runtime Analysis for the NSGA-II: Proving, Quantifying, and Explaining the Inefficiency For Many Objectives [16.904475483445452]
  NSGA-IIは多目的最適化問題を解く最も顕著なアルゴリズムの1つである。 NSGA-IIは多数の目的に対して効果が低いことを示す。
  論文  参考訳（メタデータ） (2022-11-23T16:15:26Z)
• AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
  一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。 前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。 本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-08-17T13:22:01Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)
• The Cone epsilon-Dominance: An Approach for Evolutionary Multiobjective Optimization [1.0323063834827413]
  進化アルゴリズムの収束と多様性を改善するためのコーン・エプシロン・マディナンス・アプローチ。 16のよく知られたベンチマーク問題が実験セクションで検討されている。 その結果,コーン-エプス-MOEAは,検討したすべてのパフォーマンス指標に対して,効率的かつバランスの取れた性能を示すことができることが示唆された。
  論文  参考訳（メタデータ） (2020-07-14T14:13:13Z)
• Fast Objective & Duality Gap Convergence for Non-Convex Strongly-Concave Min-Max Problems with PL Condition [52.08417569774822]
  本稿では,深層学習(深層AUC)により注目度が高まっている,円滑な非凹部min-max問題の解法に焦点をあてる。
  論文  参考訳（メタデータ） (2020-06-12T00:32:21Z)

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。