論文の概要: DE-2LS: Differential Evolution with Lightweight Late Local Search for Constrained Numerical Optimization

• arxiv url: http://arxiv.org/abs/2606.27764v1
• Date: Fri, 26 Jun 2026 06:45:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.397582
• Title: DE-2LS: Differential Evolution with Lightweight Late Local Search for Constrained Numerical Optimization
• Title（参考訳）: DE-2LS: 制約付き数値最適化のための軽量遅延局所探索による微分進化
• Abstract要約: 本稿ではRDExフレームワーク上に構築された差分進化の後期的,局所的探索による変種について提案する。 現在のベストソリューションを中心に、軽量な座標パターンローカルサーチがガードコンポーネントとして追加される。 その結果, DE-2LS構成は, 試験されたすべての変種の中で最高のUスコアが得られることがわかった。
• 参考スコア（独自算出の注目度）: 2.4923006485141284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constrained single-objective numerical optimization requires a careful balance among feasibility, objective convergence, and computational efficiency under a fixed function-evaluation budget. This paper proposes DE-2LS, a late-stage, locally search-enhanced variant of differential evolution built on the RDEx framework. The proposed method preserves the original RDEx components, including mutation and crossover operators, success-history adaptation, archive mechanism, population-size reduction, and $ε$-based constraint handling. A lightweight coordinate-pattern local search is added as a guarded polishing component around the current best solution. It is activated only in the late stage of the run, uses a small evaluation budget, and accepts candidates through a feasibility-aware comparison rule. Ablation results show that the finalized DE-2LS configuration achieves the best U-score among all tested variants, confirming that controlled late-stage refinement is more effective than aggressive or premature local search. In the direct comparison with RDEx, DE-2LS achieves a 5.58\% gain in U-score. In the four-algorithm comparison, DE-2LS obtains the highest overall U-score of 80968 and the best total rank of 48 among RDEx, CL-SRDE, and UDE-III. These results indicate that DE-2LS improves the exploitation capability of the RDEx-based search framework while preserving its speed advantage under the combined speed-accuracy scoring criterion. The source code of DE-2LS is available at https://github.com/ChauhanDikshit?tab=repositories.
• Abstract（参考訳）: 制約付き単目的数値最適化は、固定関数評価予算の下で、実現可能性、客観収束性、計算効率の慎重なバランスを必要とする。 本稿では,RDEx フレームワーク上に構築された微分進化の局所的探索拡張型である DE-2LS を提案する。 提案手法は,変異およびクロスオーバー演算子,成功史適応,アーカイブ機構,人口規模削減,および$ε$ベースの制約処理を含むRDEx成分を保存している。 現在のベストソリューションの周囲に、ガード付研磨部品として、軽量な座標パターンローカルサーチが追加される。 実行後期にのみアクティベートされ、小さな評価予算を使用し、実行可能性と認識された比較ルールを通じて候補を受け入れる。 アブレーションの結果, 最終値のDE-2LS構成は全ての試験された変種の中で最高のUスコアを達成し, 制御された後期改良は攻撃的あるいは未熟な局所探索よりも有効であることが確認された。 RDExと直接比較すると、DE-2LSはUスコアの5.58倍のゲインを達成している。 DE-2LSは、RDEx、CL-SRDE、UDE-IIIのうち、Uスコアが80968で最高48である。 これらの結果から, DE-2LSはRDExをベースとした検索フレームワークの活用性を向上し,高速化基準の併用による速度優位性を維持した。 DE-2LSのソースコードはhttps://github.com/ChauhanDikshit? tab=リポジトリ。

関連論文リスト

• S-CARD-CMSA: A Score-Aware Candidate Archive with Density-Filtered Reporting for Multimodal Optimization [0.8122270502556375]
  本稿では,スコア認識型候補型および密度フィルタ型レポートフレームワークであるemphS-CARD-CMSAを提案する。 マルチモーダル最適化のためのベンチマークニーチ方式のIEEE CEC 2026コンペティションのために開発された。
  論文  参考訳（メタデータ） (2026-07-15T12:27:52Z)
• DE-2LS: Differential Evolution with Late-Stage local-search for Unconstrained Single-Objective Numerical Optimization [0.8122270502556375]
  RDEx上に構築されたDEC-2LSは,変数境界を持つ制約なし単目的最適化のための,後期的,局所探索強化型微分進化フレームワークである。 提案手法はRDExの進化的検索エンジンを保存し、2つの保守的な改良を導入する。 実験結果から, DE-2LS は直接ヘッド・ツー・ヘッド比較において, RDEx を一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-06-26T06:43:08Z)
• Towards Order Fairness: Mitigating LLMs Order Sensitivity through Dual Group Advantage Optimization [20.259122922188126]
  大規模言語モデル(LLM)は、入力要素の配列順序に影響される順序バイアスに悩まされる。 textbfDGAOはモデル精度と順序安定性を同時に向上することを目的としている。
  論文  参考訳（メタデータ） (2026-05-12T11:31:18Z)
• ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
  ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。 我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-27T05:22:01Z)
• Closing the Approximation Gap of Partial AUC Optimization: A Tale of Two Formulations [121.39938773554523]
  ROC曲線の下の領域(AUC)は、クラス不均衡と決定制約の両方を持つ実世界のシナリオにおける重要な評価指標である。 PAUC最適化の近似ギャップを埋めるために,2つの簡単なインスタンス単位のミニマックス修正を提案する。 得られたアルゴリズムは、サンプルサイズと典型的な一方方向と双方向のPAUCに対して$O(-2/3)$の収束率の線形パーイテレーション計算複雑性を享受する。
  論文  参考訳（メタデータ） (2025-12-01T02:52:33Z)
• SGAD: Semantic and Geometric-aware Descriptor for Local Feature Matching [16.683203139962153]
  本稿では,領域ベースのマッチングを根本的に再考するSemantic and Geometric-aware Descriptor Network (SGAD)を紹介する。 SGADは、複雑なグラフの最適化なしに直接マッチングを可能にする、高度に識別可能な領域記述子を生成する。 我々は、領域マッチングタスクを分類とランク付けサブタスクに分解する新しい監督戦略により、領域マッチングの性能をさらに改善する。
  論文  参考訳（メタデータ） (2025-08-04T10:46:53Z)
• Automatic Rank Determination for Low-Rank Adaptation via Submodular Function Maximization [56.78271181959529]
  SubLoRAは、サブモジュール関数に基づくローランド適応(LoRA)のランク決定方法である。 提案手法は, 理論的基礎, 2次精度, 実用計算効率の両立を図っている。
  論文  参考訳（メタデータ） (2025-07-02T15:56:40Z)
• 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)
• KerZOO: Kernel Function Informed Zeroth-Order Optimization for Accurate and Accelerated LLM Fine-Tuning [15.81250204481401]
  本稿では,勾配推定バイアスの軽減を目的としたカーネル関数ベースのZOフレームワークを提案する。 KerZOOは既存のZOベースラインと同等または優れたパフォーマンスを実現している。 本稿では,カーネル関数がZO法における推定バイアスの低減に有効な方法であることを示す。
  論文  参考訳（メタデータ） (2025-05-24T21:56:03Z)
• LoRA Done RITE: Robust Invariant Transformation Equilibration for LoRA Optimization [78.93425154518705]
  低ランク適応 (LoRA) は、メモリ要求を低減し、LLMのパラメータ効率の高い微調整法である。 本稿では,LoRA最適化のための適応行列プレコンディショニング手法であるLoRA-RITEを紹介する。
  論文  参考訳（メタデータ） (2024-10-27T22:57:12Z)
• Estimating the Hessian Matrix of Ranking Objectives for Stochastic Learning to Rank with Gradient Boosted Trees [63.18324983384337]
  グラディエントブースト決定木(GBDT)のランク付け手法について紹介する。 我々の主な貢献は、二階微分、すなわちヘッセン行列に対する新しい推定器である。 推定器を既存のPL-Rankフレームワークに組み込む。
  論文  参考訳（メタデータ） (2024-04-18T13:53:32Z)
• Salience DETR: Enhancing Detection Transformer with Hierarchical Salience Filtering Refinement [19.277560848076984]
  2段階の選択戦略は、選択したクエリとオブジェクトのミスマッチによるスケールバイアスと冗長性をもたらす。 本稿では,フィルタされた識別クエリのみにトランスフォーマーを符号化する階層型サリエンスフィルタリング精細化を提案する。 提案されたSalience DETRは、課題固有の3つのデータセットに対して、+4.0% AP、+0.2% AP、+4.4% APを大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-24T13:01:57Z)
• A Specialized Semismooth Newton Method for Kernel-Based Optimal Transport [92.96250725599958]
  カーネルベース最適輸送(OT)推定器は、サンプルからOT問題に対処するための代替的機能的推定手順を提供する。 SSN法は, 標準正規性条件下でのグローバル収束率$O (1/sqrtk)$, 局所二次収束率を達成できることを示す。
  論文  参考訳（メタデータ） (2023-10-21T18:48:45Z)

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。