論文の概要: Hybrid multi-objective evolutionary algorithms for service placement in the computing continuum: a comparative study with genetic traceability
- arxiv url: http://arxiv.org/abs/2607.13200v1
- Date: Tue, 14 Jul 2026 18:51:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.569636
- Title: Hybrid multi-objective evolutionary algorithms for service placement in the computing continuum: a comparative study with genetic traceability
- Title（参考訳）: 計算連続体におけるサービス配置のためのハイブリッド多目的進化アルゴリズム:遺伝的トレーサビリティの比較研究
- Abstract要約: 本稿では,コラボレーティブな島モデルMOEAを用いて,連続体環境の多目的サービス配置について述べる。
鍵となる革新は、新しい汎用ハイブリッドアルゴリズムの設計ではなく、この特定の最適化領域に対する異種ハイブリッド化の体系的応用と解析である。
- 参考スコア（独自算出の注目度）: 1.7205106391379026
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses multi-objective service placement in computing continuum environments through a collaborative hybrid island-model MOEA. The key innovation is not the design of a new general hybrid algorithm, but the systematic application and analysis of heterogeneous hybridization for this specific optimization domain through two independent experimental campaigns: a first one with four state-of-the-art MOEAs (NSGA-II, NSGA-III, U-NSGA-III, and SMS-EMOA), and a second one with a complementary hybrid configuration based on NSGA-II, MOEA/TS, and MOCPO, both co-evolving and periodically exchanging solutions. These designs enable complementary search behaviors across islands and are naturally aligned with the distributed edge-fog-cloud architecture of the computing continuum, facilitating scalable parallel execution. To evaluate the approach, we define two research hypotheses: (i) whether hybrid cooperation yields significant performance gains over standalone algorithms, and (ii) whether all constituent algorithms contribute equally to the final outcomes. We combine standard Pareto-front quality indicators (GD, IGD, HV, S, and STE) with a traceability-oriented analysis based on genetic load, which quantifies the contribution of each island to the evolved solutions. Across 30 independent runs, the hybrid method outperforms most of the standalone baselines, and statistical tests confirm significant improvements. Results also show non-uniform contributions among islands, providing interpretable evidence of effective hybrid cooperation.
- Abstract（参考訳）: 本稿では,コラボレーティブな島モデルMOEAを用いて,連続体環境の多目的サービス配置について述べる。
重要な革新は、新しい汎用ハイブリッドアルゴリズムの設計ではなく、2つの独立した実験キャンペーンを通じて、この特定の最適化領域に対する異種ハイブリッド化の体系的応用と分析である: 4つの最先端MOEA(NSGA-II, NSGA-III, U-NSGA-III, SMS-EMOA)と、NSGA-II, MOEA/TS, MOCPOをベースとした補完ハイブリッド構成を持つ第2の1つ。
これらの設計は、島々をまたいだ補完的な探索行動を可能にし、分散エッジフォッグクラウドアーキテクチャと自然に一致し、スケーラブルな並列実行を容易にする。
アプローチを評価するために、我々は2つの研究仮説を定義した。
(i)ハイブリッド協調がスタンドアローンアルゴリズムよりも顕著な性能向上をもたらすか否か、
二 すべての構成アルゴリズムが最終結果に等しく寄与するか否か。
我々は,標準的なパレートフロント品質指標(GD,IGD,HV,S,STE)と遺伝的負荷に基づくトレーサビリティ指向の分析を組み合わせることで,進化したソリューションへの各島の貢献を定量化する。
30回の独立ランで、このハイブリット法はスタンドアローンベースラインのほとんどを上回り、統計検査により大幅な改善が確認された。
結果は、島々間の非均一な貢献も示しており、効果的なハイブリッド協力の解釈可能な証拠となっている。
関連論文リスト
- 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) - HBridge: H-Shape Bridging of Heterogeneous Experts for Unified Multimodal Understanding and Generation [72.69742127579508]
最近の統一モデルでは、理解の専門家(LLMなど)と生成の専門家(拡散モデルなど)を統合している。
本研究では,非対称なH字型アーキテクチャであるHBridgeを提案する。
複数のベンチマークにわたる大規模な実験は、HBridgeの有効性と優れた性能を示している。
論文 参考訳（メタデータ） (2025-11-25T17:23:38Z) - scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration [53.683726781791385]
単一セルマルチオミクス(ScMRDR)と呼ばれるスケーラブルでフレキシブルな生成フレームワークを導入する。
本手法は, バッチ補正, モダリティアライメント, 生体信号保存の観点から, ベンチマークデータセット上での優れた性能を実現する。
論文 参考訳（メタデータ） (2025-10-28T21:28:39Z) - Bidirectional Representations Augmented Autoregressive Biological Sequence Generation:Application in De Novo Peptide Sequencing [51.12821379640881]
自己回帰(AR)モデルは、全体的な双方向表現を提供するが、生成的コヒーレンスとスケーラビリティに関する課題に直面している。
非自己回帰機構からリッチなコンテキスト情報を動的に統合することにより、AR生成を向上するハイブリッドフレームワークを提案する。
新しいクロスデコーダアテンションモジュールにより、ARデコーダは、これらの双方向機能を反復的にクエリし、統合することができる。
論文 参考訳（メタデータ） (2025-10-09T12:52:55Z) - Asynchronous Policy Gradient Aggregation for Efficient Distributed Reinforcement Learning [55.50683337004406]
本稿では非同期ポリシー勾配アグリゲーションを実装したRennala NIGTとMalenia NIGTという2つの新しいアルゴリズムを紹介する。
同質な設定では、Rennala NIGTはAllReduce操作をサポートしながら、計算と通信の合計複雑性を良好に改善する。
不均質な環境では、Malenia NIGTは非同期計算と不均質な環境を厳密な理論上の保証で同時に扱う。
論文 参考訳（メタデータ） (2025-09-29T05:38:42Z) - Multi-population Ensemble Genetic Programming via Cooperative Coevolution and Multi-view Learning for Classification [9.17282078449475]
Multi-population Ensemble Genetic Programming (MEGP) は、協調的共進化と多視点学習パラダイムを統合する計算知能フレームワークである。
MEGPは入力空間を条件に依存しない特徴部分集合に分解し、複数のサブポピュレーションを並列に進化させることができる。
収束挙動や一般化性能の点で、ベースラインGPモデルよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-09-16T01:32:04Z) - Sequential, Parallel and Consecutive Hybrid Evolutionary-Swarm Optimization Metaheuristics [43.05659890525653]
本稿ではPSOとGAの特徴を連続的・並列的・連続的に組み合わせたハイブリッド進化・スワームメタヒューリスティックスについて検討する。
実験結果から,ハイブリッドアプローチはより優れた収束と一貫性を実現することが示された。
本稿では,PSOとGAステップ間の連続性を明示的な情報伝達機構を通じて保証する,新しいハイブリッドPSO-GA進化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-08-01T00:23:36Z) - Accelerating Evolution: Integrating PSO Principles into Real-Coded Genetic Algorithm Crossover [2.854482269849925]
本研究では、Particle Swarm Optimization-inspired Crossover (PSOX) という、革新的なクロスオーバー演算子を紹介する。
PSOXは、現在のグローバルベストソリューションと、複数の世代にわたる過去の最適ソリューションの両方からのガイダンスを独自に取り入れている。
この機構により,探索空間の有望な領域への収束を同時に促進しながら,個体数の多様性を維持することができる。
論文 参考訳（メタデータ） (2025-05-06T06:17:57Z) - Constrained Hybrid Metaheuristic Algorithm for Probabilistic Neural Networks Learning [0.3686808512438362]
本研究では、確率論的ニューラルネットワーク(PNN)のトレーニングを強化するためのハイブリッドメタヒューリスティックアルゴリズムの可能性について検討する。
勾配に基づくアプローチのような伝統的な学習手法は、しばしば高次元で不確実な環境を最適化するのに苦労する。
本稿では,複数の個体群に基づく最適化手法を組み合わせた制約付きハイブリッドメタヒューリスティック(cHM)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-26T19:49:16Z) - Applying Autonomous Hybrid Agent-based Computing to Difficult
Optimization Problems [56.821213236215634]
本稿では,EMASのハイブリッドバージョンを提案する。
これには、複数のハイブリッド演算子の選択と導入、およびメインアルゴリズムのハイブリッドステップを開始するためのルールの定義が含まれる。
これらのハイブリッドステップは、既存の、よく知られた、そして証明された、効率的なメタヒューリスティックスを活用し、その結果をメインのアルゴリズムに統合する。
論文 参考訳（メタデータ） (2022-10-24T13:28:35Z) - cMLSGA: A Co-Evolutionary Multi-Level Selection Genetic Algorithm for
Multi-Objective Optimization [0.0]
MLSGA(Multi-Level Selection Genetic Algorithm)は、すでに様々な問題に対して優れた性能を示している。
本稿では,共進化を個人ではなく集団間の競争として定義する,個別の共進化機構を提案する。
論文 参考訳（メタデータ） (2021-04-22T13:52:21Z)
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。