論文の概要: The impact of objective interactions on the performance of massive objective optimization algorithms
- arxiv url: http://arxiv.org/abs/2607.13377v1
- Date: Wed, 15 Jul 2026 02:06:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.621206
- Title: The impact of objective interactions on the performance of massive objective optimization algorithms
- Title（参考訳）: 大規模目的最適化アルゴリズムの性能に及ぼす客観的相互作用の影響
- Abstract要約: NSGA-II,NSGA-III,MOEA/D,レキシケース選択など,最先端の進化アルゴリズムの評価を行った。
実験の結果,問題の特徴がアルゴリズムの性能に大きく影響していることが判明した。
また、もともと遺伝的プログラミング用に設計されたアルゴリズムである語彙選択は、最先端の多目的最適化アルゴリズムと比較して好適であることを示す。
- 参考スコア（独自算出の注目度）: 0.5219568203653523
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Many-objective optimization has been a field of interest over the past two decades and several evolutionary optimization algorithms have been introduced to tackle these problems; yet two fundamental questions remain underexplored: (i) What happens when the number of objectives grows beyond the typical many-objective regime of about fifteen and becomes massive? (ii) How do problem characteristics, such as the nature of interactions between objectives, influence algorithmic performance? To answer these questions we employ a diagnostic benchmark suite that allows control over problem characteristics and can be scaled to extremely high objective counts. Using this framework we evaluate several state-of-the-art evolutionary algorithms including NSGA-II, NSGA-III, MOEA/D and lexicase selection across a range of dimensionalities and diagnostic problem landscapes. Our experiments reveal that problem characteristics significantly affect algorithm performance. In particular, the nature of interactions between objectives appears important. These results highlight the importance of understanding these properties before selecting an algorithm for a specific problem. We also show that lexicase selection, an algorithm originally designed for genetic programming, compares favorably with state-of-the-art many-objective optimization algorithms while avoiding the dependence on predefined reference directions.
- Abstract（参考訳）: 過去20年間、多目的最適化は関心のある分野であり、これらの問題に取り組むためにいくつかの進化的最適化アルゴリズムが導入された。
(i)目的の数が15前後の典型的多目的体制を超えて大きくなったらどうなるか。
2目的物間の相互作用の性質などの問題特性がアルゴリズム性能にどのような影響を及ぼすか。
これらの質問に答えるために、我々は、問題の特徴を制御できる診断ベンチマークスイートを使用し、非常に高い客観的な数にスケールできる。
この枠組みを用いて, NSGA-II, NSGA-III, MOEA/D, 語彙選択などの最先端の進化的アルゴリズムを, 様々な次元と診断上の問題領域で評価する。
実験の結果,問題の特徴がアルゴリズムの性能に大きく影響していることが判明した。
特に、目的間の相互作用の性質は重要であるように見える。
これらの結果は、特定の問題に対するアルゴリズムを選択する前に、これらの特性を理解することの重要性を強調している。
また,当初遺伝的プログラミング用に設計されたレキシケース選択アルゴリズムは,事前定義された参照方向への依存を回避しつつ,最先端の多目的最適化アルゴリズムと良好に比較できることを示した。
関連論文リスト
- 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) - A Survey of Meta-features Used for Automated Selection of Algorithms for Black-box Single-objective Continuous Optimization [4.173197621837912]
単目的連続ブラックボックス最適化の分野におけるアルゴリズム選択への重要な貢献について概説する。
自動アルゴリズム選択、構成、性能予測のための機械学習モデルについて検討する。
論文 参考訳（メタデータ） (2024-06-08T11:11:14Z) - Decision-focused Graph Neural Networks for Combinatorial Optimization [62.34623670845006]
最適化問題に取り組むための新たな戦略は、従来のアルゴリズムに代わるグラフニューラルネットワーク(GNN)の採用である。
GNNや従来のアルゴリズムソルバがCOの領域で人気が高まっているにもかかわらず、それらの統合利用とエンドツーエンドフレームワークにおけるそれらの相関について限定的な研究がなされている。
我々は、GNNを利用してCO問題に補助的なサポートで対処する決定に焦点を当てたフレームワークを導入する。
論文 参考訳（メタデータ） (2024-06-05T22:52:27Z) - Solving the Food-Energy-Water Nexus Problem via Intelligent Optimization Algorithms [46.48853432592689]
食料・エネルギー・水系は、互いに影響を及ぼす食料・エネルギー・水の間で複雑に結びついている。
それらは通常、膨大な数の決定変数と、最適化されるべき多くの矛盾する目標を含む。
本稿では、最先端のインテリジェントな最適化手法を用いて食品・エネルギー・水の最適化問題を解き、その性能を比較する。
論文 参考訳（メタデータ） (2024-04-10T06:19:19Z) - Evaluating the Practicality of Quantum Optimization Algorithms for
Prototypical Industrial Applications [44.88678858860675]
本稿では,量子近似最適化アルゴリズム (QAOA) と量子断熱アルゴリズム (QAA) の応用について検討する。
我々は,これらの2つのアルゴリズムの性能を,選択した評価指標を用いて,ソリューションの品質の観点から比較する。
論文 参考訳（メタデータ） (2023-11-20T09:09:55Z) - Multiobjective Evolutionary Component Effect on Algorithm behavior [0.04588028371034406]
パフォーマンス改善につながる最も影響力のあるコンポーネントは何かは不明だ。
この手法を,反復レース (irace) 構成パッケージによって設計された分解(MOEA/D)に基づくチューニング多目的進化アルゴリズムに適用する。
本稿では,検索トラジェクトリ・ネットワーク(STN),人口の多様性,時空の超体積値について,アルゴリズム成分の影響を比較した。
論文 参考訳（メタデータ） (2023-07-31T16:02:56Z) - Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。
ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。
代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文 参考訳（メタデータ） (2023-07-19T16:42:52Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - Balancing Exploration and Exploitation for Solving Large-scale
Multiobjective Optimization via Attention Mechanism [18.852491892952514]
注意機構に基づく大規模多目的最適化アルゴリズム(LMOAM)を提案する。
注意機構は、各決定変数に固有の重みを割り当て、LMOAMは、この重みを使って、決定変数レベルからの探索とエクスプロイトのバランスを取る。
論文 参考訳（メタデータ） (2022-05-20T09:45:49Z) - An Efficient Multi-Indicator and Many-Objective Optimization Algorithm
based on Two-Archive [7.7415390727490445]
本稿では,2階層型(SRA3)に基づくインジケータに基づく多目的最適化アルゴリズムを提案する。
評価指標の性能に基づいて環境選択の優れた個人を効率よく選び、追加パラメータを設定することなく親の選択に適応パラメータ戦略を利用することができる。
DTLZおよびWFG問題に関する実験により、SRA3は高い効率を維持しつつ、優れた収束性と多様性を有することが示された。
論文 参考訳（メタデータ） (2022-01-14T13:09:50Z) - A survey on multi-objective hyperparameter optimization algorithms for
Machine Learning [62.997667081978825]
本稿では,多目的HPOアルゴリズムに関する2014年から2020年にかけての文献を体系的に調査する。
メタヒューリスティック・ベース・アルゴリズムとメタモデル・ベース・アルゴリズム,および両者を混合したアプローチを区別する。
また,多目的HPO法と今後の研究方向性を比較するための品質指標についても論じる。
論文 参考訳（メタデータ） (2021-11-23T10:22:30Z) - Effects of Discretization of Decision and Objective Spaces on the
Performance of Evolutionary Multiobjective Optimization Algorithms [12.487285663072512]
決定空間の離散化は大規模問題にプラス効果を示し、目的空間の離散化は多目的問題にプラス効果を示す。
また、両空間の離散化は大規模多目的問題に有用であることを示す。
論文 参考訳（メタデータ） (2020-03-22T15:07:45Z)
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。