論文の概要: Reinforcement Learning-Guided NSGA-II Enhanced with Gray Relational Coefficient for Multi-Objective Optimization: Application to NASDAQ Portfolio Optimization
- arxiv url: http://arxiv.org/abs/2607.16194v1
- Date: Sun, 12 Apr 2026 11:58:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:13.025606
- Title: Reinforcement Learning-Guided NSGA-II Enhanced with Gray Relational Coefficient for Multi-Objective Optimization: Application to NASDAQ Portfolio Optimization
- Title（参考訳）: 多目的最適化のための灰色の関係係数を付加した強化学習型NSGA-II:NASDAQポートフォリオ最適化への応用
- Abstract要約: グレーリレーショナル係数(GRC)を付加した新しい強化学習(RL)誘導非支配的ソート遺伝的アルゴリズム(NSGA-II)を提案する。
RL-NSGA-II-GRCはNSGA-IIよりも約5.8%,4.4%の収束性向上を実現している。
ポートフォリオアプリケーションでは、最大シャープ比ポートフォリオの識別をサポートするスムーズで密集した効率的なフロンティアを生成する。
- 参考スコア（独自算出の注目度）: 17.7619832764273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In modern financial markets, decision-makers increasingly rely on quantitative methods to navigate complex trade-offs among multiple, often conflicting objectives. This paper addresses constrained multi-objective optimization (MOO) with an application to portfolio optimization for minimizing risk and maximizing return. To address existing gaps, we propose a novel reinforcement learning (RL)-guided non-dominated sorting genetic algorithm II (NSGA-II) enhanced with gray relational coefficients (GRC), termed RL-NSGA-II-GRC, which combines an RL agent controller and GRC-based selection to improve convergence and diversity of Pareto fronts. The agent adapts evolutionary parameters online using metrics of hypervolume, feasibility, and diversity, while the GRC tournament operator ranks parents via a unified score considering dominance rank, crowding distance, and proximity to ideal reference. We evaluate the framework on the Kursawe and CONSTR benchmarks and a NASDAQ portfolio application. On the benchmarks, RL-NSGA-II-GRC achieves convergence improvements of about 5.8% and 4.4% over NSGA-II, while preserving well-distributed non-dominated solutions. In the portfolio application, it produces a smooth, densely populated efficient frontier supporting identification of the maximum Sharpe ratio portfolio (annualized Sharpe =1.92) and utility-optimal portfolios for different risk-aversion levels. The main contributions are three-fold: 1) we propose an RL-NSGA-II-GRC method integrating an RL agent into the evolutionary framework to adaptively control parameters via generational feedback; 2) we design a GRC-enhanced binary tournament operator providing a comprehensive indicator to guide the search toward the Pareto front; 3) we demonstrate, on benchmark MOO and a NASDAQ case study, that the method delivers improved convergence and well-populated frontiers supporting actionable insights.
- Abstract（参考訳）: 現代の金融市場では、意思決定者は複数の、しばしば矛盾する目標間の複雑なトレードオフをナビゲートする定量的手法にますます依存している。
本稿では、リスクの最小化とリターンの最大化のためのポートフォリオ最適化を応用した制約付き多目的最適化(MOO)について述べる。
既存のギャップに対処するため,新しい強化学習 (RL) 誘導非支配的ソート遺伝的アルゴリズム (NSGA-II) を提案し, グレーリレーショナル係数 (GRC) を付加した。
エージェントは、ハイパーボリューム、実現可能性、多様性のメトリクスを使用して、進化パラメータをオンラインで適応し、GRCトーナメントオペレーターは、支配ランク、群集距離、理想的な基準に近付くことを考慮して、両親を統一スコアでランク付けする。
このフレームワークをKusaweとConSTRベンチマークとNASDAQポートフォリオアプリケーションで評価する。
ベンチマークでは、RL-NSGA-II-GRCはNSGA-IIよりも約5.8%と4.4%の収束改善を達成し、よく分散された非支配的なソリューションを保存する。
ポートフォリオアプリケーションでは、最大シャープ比ポートフォリオ(年次シャープ=1.92)と、異なるリスク回避レベルに対するユーティリティ最適化ポートフォリオの識別をサポートするスムーズで人口密度の高い効率的なフロンティアを生成する。
主な貢献は3倍です。
1)RLエージェントを進化フレームワークに統合し,世代フィードバックによるパラメータの適応制御を行うRL-NSGA-II-GRC法を提案する。
2)我々は,パレートフロントへの探索を案内する総合的な指標を提供する,GRC強化バイナリトーナメントオペレータを設計する。
3) ベンチマークMOOおよびNASDAQケーススタディにおいて, 本手法は, 実用的な洞察を裏付ける収束性および人口の多いフロンティアを向上することを示した。
関連論文リスト
- DEGR: Dual Exploration-Driven Generative Re-Ranking for Adaptive Cross-Request Context Bridging [7.797900623517651]
本稿では,産業レコメンデーションシステムのためのDual Exploration-Driven Generative Re-Ranking(DEGR)手法を提案する。
実験では、DEGRはSOTA法よりも優れており、JD Eコマースレコメンデーションシステムにおいて最大1.22%のUCTRと0.20%のPVの改善を実現している。
論文 参考訳（メタデータ） (2026-08-05T13:14:23Z) - Projecting Latent RL Actions: Towards Generalizable and Scalable Graph Combinatorial Optimization [7.657191260976483]
グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)の最近の進歩は、学習ベースのGCOソルバを大幅に改善した。
連続的なGNNベースのアクション埋め込み空間で直接動作する新しいRL-GCOアプローチであるプロジェクションエージェントを導入する。
様々なベンチマークにおいて、我々の手法は既存のソリューションよりも最大16.2倍高速な推論と最大40%優れた一般化を実現している。
論文 参考訳（メタデータ） (2026-05-19T11:55:44Z) - GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization [133.27496265096445]
我々は,グループ相対的政策最適化を,その適合性を検討することなく,マルチリワード設定で適用する方法を示す。
次に、これらの問題を解決するための新しい政策最適化手法であるグループ報酬分離正規化政策最適化(GDPO)を紹介する。
GDPOはGRPOを一貫して上回り、マルチリワード強化学習最適化の有効性と一般化性を示す。
論文 参考訳（メタデータ） (2026-01-08T18:59:24Z) - MMR1: Enhancing Multimodal Reasoning with Variance-Aware Sampling and Open Resources [113.33902847941941]
VAS (Variance-Aware Sampling) は、Variance Promotion Score (VPS) によって導かれるデータ選択戦略である。
我々は、1.6MのCoT冷間開始データと15kのRLQAペアを含む大規模かつ慎重にキュレートされたリソースをリリースする。
数学的推論ベンチマークによる実験では、キュレートされたデータと提案されたVASの有効性が示されている。
論文 参考訳（メタデータ） (2025-09-25T14:58:29Z) - Multi-Agent Trust Region Policy Optimisation: A Joint Constraint Approach [17.48210470289556]
Heterogeneous-Agent Trust Region Policy Optimization (HATRPO) は、Kulback-Leibler (KL) の分散を用いて、訓練の安定化を図る。
各エージェントを同じKL閾値に割り当てると、特に不均一な設定において、遅くて局所的に最適な更新につながる可能性がある。
エージェント間のKL分散しきい値の割当には,グローバルなKL制約下でのしきい値割り当てを最適化するKKT法であるHATRPO-Wと,改善に基づくエージェントの優先順位付けを行うgreedyアルゴリズムであるHATRPO-Gの2つの方法を提案する。
論文 参考訳（メタデータ） (2025-08-14T04:48:46Z) - GRPO-CARE: Consistency-Aware Reinforcement Learning for Multimodal Reasoning [53.894789613838654]
我々は、複雑な実世界のビデオにバランスの取れた知覚と推論を必要とするベンチマークであるSEED-Bench-R1を紹介する。
SEED-Bench-R1を用いて、標準GRPOは解の精度を向上する一方で、推論ステップと解の論理的コヒーレンスを57.9%の一貫性で減少させる。
応答の正しさと推論コヒーレンスの両方を明示的な監督なしに最適化する整合性を考慮したRLフレームワークGRPO-CAREを提案する。
論文 参考訳（メタデータ） (2025-06-19T08:49:13Z) - Reinforcing Video Reasoning with Focused Thinking [65.85683941058916]
本稿では,集中的思考と深い報酬の粒度で視覚的推論を強化する新しいフレームワークであるTW-GRPOを提案する。
具体的には,高情報密度のトークンを優先するトークン重み付け機構を用いる。
また,シングルチョイスからマルチチョイスQAタスクにシフトすることで,RLトレーニングを再構築する。
論文 参考訳（メタデータ） (2025-05-30T15:42:19Z) - Co-Reinforcement Learning for Unified Multimodal Understanding and Generation [53.03303124157899]
本稿では,統一多モーダル大言語モデル(ULM)に対するグループ相対的政策最適化による強化学習(RL)の先駆的な探索について述べる。
共同最適化のための統一RLステージとタスク固有強化のための改良RLステージからなる協調強化学習フレームワークであるCoRLを紹介する。
提案したCoRLでは,3つのテキスト・画像生成データセットで平均7%,9つのマルチモーダル理解ベンチマークで平均23%の改善を実現している。
論文 参考訳（メタデータ） (2025-05-23T06:41:07Z) - Empower Structure-Based Molecule Optimization with Gradient Guided Bayesian Flow Networks [16.743187639189976]
構造に基づく分子最適化(SBMO)は、タンパク質標的に対して連続座標と離散型の両方で分子を最適化することを目的としている。
MolJOは勾配に基づくフレームワークで、様々なモダリティのジョイントガイダンス信号を容易にする。
MolJOはCrossDocked 2020ベンチマークで最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2024-11-20T12:48:29Z) - Adaptive Stochastic ADMM for Decentralized Reinforcement Learning in
Edge Industrial IoT [106.83952081124195]
強化学習 (Reinforcement Learning, RL) は, 意思決定および最適制御プロセスのための有望な解法として広く研究されている。
本稿では,Adaptive ADMM (asI-ADMM)アルゴリズムを提案する。
実験の結果,提案アルゴリズムは通信コストやスケーラビリティの観点から技術状況よりも優れており,複雑なIoT環境に適応できることがわかった。
論文 参考訳（メタデータ） (2021-06-30T16:49:07Z)
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。