論文の概要: Sensitivity of hMPA to Controlled CEC 2017 Transformations

• arxiv url: http://arxiv.org/abs/2607.22862v1
• Date: Fri, 24 Jul 2026 19:06:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.912554
• Title: Sensitivity of hMPA to Controlled CEC 2017 Transformations
• Title（参考訳）: CEC 2017変態制御におけるhMPAの感度
• Authors: Grzegorz Sroka, Sławomir T. Wierzchoń,
• Abstract要約: 標準のCEC 2017ベンチマークでは、バイアス、シフト、回転を同時に適用し、アルゴリズムの振る舞いに対する個々の影響を実証している。 本稿では、元の関数と変換データを保存しながら、これらの変換を独立に制御するパラメータ化実装を提案する。 DSCと拡張DSCはアルゴリズムレベルの比較から構成レベルの診断に適応する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The standard CEC 2017 benchmark applies bias, shift, and rotation simultaneously, confounding their individual effects on algorithmic behavior. We introduce a parameterized implementation that controls these transformations independently while preserving the original functions and transformation data. The framework diagnoses the hybrid Marine Predators Algorithm (hMPA), whose predicted-candidate mechanism depends on numerical objective values and coordinate-wise reconstruction. DSC and extended DSC (eDSC) are adapted from algorithm-level comparison to configuration-level diagnosis, enabling, to our knowledge, the first exhaustive analysis of all eight bias-shift-rotation configurations of a parameterized CEC 2017 benchmark. We examine all 56 three-configuration subsets and comparisons with the untransformed control. Experiments cover 29 functions, dimensions 10-100, 30 independent runs, and a budget of 10000*dim objective-function evaluations. DSC and eDSC detect statistically significant differences among configurations at every dimension, but rankings vary across functions, preventing a consistent ordering. Shift generally worsens objective values; isolated rotation causes no systematic deterioration, while isolated bias has little effect on final-solution distributions. Shift-rotation combinations differ most consistently from the control. Convergence plots reveal function- and dimension-dependent separation, plateaus, and late improvement. Results are limited to hMPA, the chosen parameters, 30 runs, the fixed budget, and the analyzed CEC 2017 functions. Within this scope, the framework provides a reproducible diagnostic protocol extensible to other continuous optimizers and related CEC benchmarks, including CEC 2024 and CEC 2025.
• Abstract（参考訳）: 標準のCEC 2017ベンチマークでは、バイアス、シフト、回転を同時に適用し、アルゴリズムの振る舞いに対する個々の影響を実証している。 本稿では、元の関数と変換データを保存しながら、これらの変換を独立に制御するパラメータ化実装を提案する。 このフレームワークはハイブリッド海洋捕食者アルゴリズム (hMPA) を診断し、予測候補機構は数値的客観的値と座標的再構成に依存する。 DSCと拡張DSC(eDSC)はアルゴリズムレベルの比較から構成レベルの診断に適応し、我々の知る限り、パラメータ化CEC 2017ベンチマークの8つのバイアスシフト回転構成の完全な分析を可能にする。 56個の3つの構成部分集合について検討し、非変換制御との比較を行った。 実験は29の関数、10-100の次元、30の独立ラン、そして10000*dimの客観的関数評価をカバーしている。 DSCとeDSCは、各次元における構成の統計的に重要な違いを検出するが、ランクは機能によって異なり、一貫した順序付けを妨げている。 シフトは一般に客観的な値を悪化させ、分離された回転は体系的な劣化を起こさないが、分離されたバイアスは最終溶液分布にはほとんど影響しない。 シフト回転の組み合わせは、制御とほとんど一貫して異なる。 収束プロットは、機能および次元に依存した分離、高原、遅延改善を明らかにする。 結果はhMPA、選択されたパラメータ、30ラン、固定予算、分析されたCEC 2017関数に限られている。 このスコープ内では、CEC 2024やCEC 2025など、他の継続的なオプティマイザや関連するCECベンチマークに拡張可能な再現可能な診断プロトコルを提供する。

関連論文リスト

• Bit-Identical Medical Deep Learning via Structured Orthogonal Initialization [0.0]
  深層学習トレーニングは非決定論的であり、異なるランダムなシードを持つ同一のコードは、集約メトリクスに異を唱えるが個々の予測に異を唱えるモデルを生成する。 ランダム性の3つの源を除去する検証ビット識別訓練の枠組みを提案する。
  論文  参考訳（メタデータ） (2026-03-30T05:04:57Z)
• A Longitudinal Analysis of the CEC Single-Objective Competitions (2010-2024) and Implications for Variational Quantum Optimization [14.551721187769049]
  IEEE CEC Single Objective Optimizationの結果(2010-2024)を歴史的に分析した。 ベンチマーク関数が勝利アルゴリズムをどう形成するかを解析し、2014年の高密度回転行列の導入を重要性能フィルタとして同定する。 我々は、これらの最新のベンチマークと変分量子アルゴリズムのランドスケープの構造的類似性を同定し、進化したCECソルバが量子制御に必要な特定の適応能力を持っていることを示唆した。
  論文  参考訳（メタデータ） (2026-03-25T10:04:46Z)
• The Procrustean Bed of Time Series: The Optimization Bias of Point-wise Loss [53.542743390809356]
  本稿では,最適化バイアス(EOB)の期待に関する第一原理解析を提案する。 時間列が決定論的で構造化されるほど、ポイントワイドの損失関数によるバイアスがより厳しくなる。 本稿では,DFTとDWTの両原理を同時に実現する具体的ソリューションを提案する。
  論文  参考訳（メタデータ） (2025-12-21T06:08:22Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Rethinking Generalized BCIs: Benchmarking 340,000+ Unique Algorithmic Configurations for EEG Mental Command Decoding [0.0]
  本稿では,空間的脳波と非線形脳波の340,000以上の一意な組み合わせについて評価する。 脳波の運動画像パターンを全ユーザやデータセットで最適にデコードする,汎用的な"ワンサイズフィットオール"手法は存在しない。
  論文  参考訳（メタデータ） (2025-12-02T17:56:46Z)
• Robust Differential Evolution via Nonlinear Population Size Reduction and Adaptive Restart: The ARRDE Algorithm [0.010411372746649314]
  ARRDE は LSHADE アルゴリズム上に構築され,jSO の鍵機構を組み込んだ非線形人口削減戦略を導入している。 ARRDEは、考慮されたすべてのベンチマークスイートの中で、トップレベルのパフォーマンスを一貫して示す。
  論文  参考訳（メタデータ） (2025-11-23T12:50:25Z)
• On the Convergence of DP-SGD with Adaptive Clipping [56.24689348875711]
  勾配クリッピングによるグラディエントDescentは、微分プライベート最適化を実現するための強力な技術である。 本稿では,量子クリッピング(QC-SGD)を用いたSGDの総合収束解析について述べる。 本稿では,QC-SGDが一定閾値クリッピングSGDに類似したバイアス問題にどのように悩まされているかを示す。
  論文  参考訳（メタデータ） (2024-12-27T20:29:47Z)
• Differentially Private Random Block Coordinate Descent [51.62669821275571]
  スケッチ行列を用いて各反復における確率の異なる複数の座標を選択する差分プライベートな座標降下法を提案する。 提案アルゴリズムはDP-CDと従来のDP-SGDの両方を一般化し,有効性を保証する。
  論文  参考訳（メタデータ） (2024-12-22T15:06:56Z)
• Learning nonparametric DAGs with incremental information via high-order HSIC [13.061477915002767]
  そこで本研究では,DAGを同定するために,親の判断したサブセットに基づく識別可能性条件を提案する。 最適相では、一階のヒルベルト最適独立基準(HSIC)に基づく最適化問題により、推定骨格が初期決定された親部分集合として与えられる。 チューニングフェーズでは、骨格は削除、追加、DAG形式化戦略によって局所的に調整される。
  論文  参考訳（メタデータ） (2023-08-11T07:07:21Z)
• iSCAN: Identifying Causal Mechanism Shifts among Nonlinear Additive Noise Models [48.33685559041322]
  本稿では,同一変数集合上の2つ以上の関連するデータセットにおける因果メカニズムシフトの同定に焦点をあてる。 提案手法を実装したコードはオープンソースであり、https://github.com/kevinsbello/iSCAN.comで公開されている。
  論文  参考訳（メタデータ） (2023-06-30T01:48:11Z)
• Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
  汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。 本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
  論文  参考訳（メタデータ） (2022-04-08T20:46:16Z)

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。