論文の概要: Impacts of Single-objective Landscapes on Multi-objective Optimization

• arxiv url: http://arxiv.org/abs/2608.03266v1
• Date: Tue, 04 Aug 2026 07:38:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 07:04:20.703996
• Title: Impacts of Single-objective Landscapes on Multi-objective Optimization
• Title（参考訳）: 単目的景観が多目的最適化に及ぼす影響
• Abstract要約: 本研究は, 単目的問題における局所最適ネットワークと多目的問題との関係を考察した。 その結果、ほとんどの多目的最適解は単目的局所最適解から到達可能であることがわかった。
• 参考スコア（独自算出の注目度）: 2.909806377235584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work revealed a relationship between a multi-objective optimization problem and single-objective optimization problems that exist in the multi-objective problem. This work focused on combinatorial problems and investigated the relations between the local optima networks of the single-objective problems and the Pareto optima network of the multi-objective problem. Each of their networks has a graph structure. We divided the entire network into subgraphs. Each subgraph was called a component and characterized by overlapping relations between the single-objective local optima networks and the multi-objective Pareto optima network. Results on multi-objective landscape problems showed that most Pareto optimal solutions were reachable from the single-objective local optimal solutions. This tendency was emphasized by increasing the number of objectives and the objective correlation. The number of co-variables impacted the number of cross-link relations between the single-objective local optima networks and the multi-objective Pareto optima network. The results suggested that searching for single-objective problems is a clue to multi-objective optimization.
• Abstract（参考訳）: この研究は、多目的最適化問題と多目的最適化問題に存在する単目的最適化問題との関係を明らかにした。 本研究は, 組合せ問題に着目し, 単目的問題の局所最適ネットワークと多目的問題のパレート最適ネットワークの関係について検討した。 それぞれのネットワークはグラフ構造を持つ。 ネットワーク全体をサブグラフに分割した。 各部分グラフはコンポーネントと呼ばれ、単目的の局所最適ネットワークと多目的のパレート最適ネットワークとの間の重なり合いが特徴である。 多目的ランドスケープ問題の結果、ほとんどのパレート最適解は単目的局所最適解から到達可能であることが示された。 この傾向は目的数の増加と目的相関によって強調された。 共変数の数は、単目的の局所オプティマネットワークと多目的のパレートオプティマネットワークとの間のクロスリンク関係の数に影響した。 その結果,単目的問題探索が多目的最適化の手がかりとなることが示唆された。

関連論文リスト

• MO-MIX: Multi-Objective Multi-Agent Cooperative Decision-Making With Deep Reinforcement Learning [68.91090643731987]
  深部強化学習(RL)は複雑な意思決定問題を解決するために広く応用されている。 既存のアプローチは、別々のフィールドに限られており、単一の目的でマルチエージェントの意思決定しか処理できない。 マルチオブジェクト型マルチエージェント強化学習(MOMARL)問題の解法としてMO-mixを提案する。
  論文  参考訳（メタデータ） (2026-02-28T16:25:22Z)
• Objective Soups: Multilingual Multi-Task Modeling for Speech Processing [69.52720282028385]
  マルチ言語・マルチタスク音声処理(MSP)のための単一モデルの訓練は,タスク間の目的の相反によって著しく妨げられる。 本稿では,多目的MSPの3つの定式化について検討し,これらをthabfobjective soup recipesと呼ぶ。 我々の研究は、階層型MOOが最先端のMSPモデルを構築する上で、より効率的でスケーラブルなアプローチであることを実証している。
  論文  参考訳（メタデータ） (2025-08-12T07:01:09Z)
• Deep Pareto Reinforcement Learning for Multi-Objective Recommender Systems [54.2484458418885]
  複数の目的を同時に最適化することは、レコメンデーションプラットフォームにとって重要なタスクです。 既存の多目的推薦システムは、そのような動的な関係を体系的に考慮していない。
  論文  参考訳（メタデータ） (2024-07-04T02:19:49Z)
• UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [51.00436121587591]
  マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。 重みベクトル w でパラメトリした線型効用関数の場合に焦点を当てる。 学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-05-01T09:34:42Z)
• Many-Objective Multi-Solution Transport [36.07360460509921]
  many-objective multi-solution Transport (MosT) は、Paretoの多くの目的に対して複数の多様なソリューションを見つけるためのフレームワークである。 MosTはこの問題を各解に対する重み付けされた目的の2段階の最適化として定式化し、そこでは重み付けは目的と解の間の最適な輸送によって定義される。
  論文  参考訳（メタデータ） (2024-03-06T23:03:12Z)
• Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
  エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。 ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。 提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-10T00:21:10Z)
• Multi-Objective Optimization and Network Routing with Near-Term Quantum Computers [0.2150989251218736]
  我々は,多目的最適化問題を解くために,近距離量子コンピュータを応用できる手法を開発した。 量子近似最適化アルゴリズム(QAOA)に基づく実装に焦点を当てる。
  論文  参考訳（メタデータ） (2023-08-16T09:22:01Z)
• Joint Entropy Search for Multi-objective Bayesian Optimization [0.0]
  本稿では,統合エントロピー探索(Joint Entropy Search)と呼ばれるBOのための情報理論獲得関数を提案する。 本稿では, ハイパーボリュームとその重み付き変種の観点から, 合成および実世界の諸問題に対するこの新しいアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2022-10-06T13:19:08Z)
• Empirical Study on the Benefits of Multiobjectivization for Solving Single-Objective Problems [0.0]
  局所オプティマはしばしばアルゴリズムの進行を防ぎ、深刻な脅威を引き起こす。 マルチオブジェクトの勾配に基づく高度な可視化技術を用いて,出現するマルチオブジェクトの景観の特性を図示し,考察した。 我々は,多目的COCOMOGSAがこれらの特性を利用して局所トラップを克服できることを実証的に示す。
  論文  参考訳（メタデータ） (2020-06-25T14:04:37Z)
• MODRL/D-AM: Multiobjective Deep Reinforcement Learning Algorithm Using Decomposition and Attention Model for Multiobjective Optimization [15.235261981563523]
  本稿では,多目的最適化問題を解くための多目的深部強化学習法を提案する。 本手法では,各サブプロブレムをアテンションモデルにより解き,入力ノードの構造的特徴とノード的特徴を活用できる。
  論文  参考訳（メタデータ） (2020-02-13T12:59:39Z)
• Pareto Multi-Task Learning [53.90732663046125]
  マルチタスク学習は複数の相関タスクを同時に解くための強力な方法である。 異なるタスクが互いに衝突する可能性があるため、すべてのタスクを最適化するひとつのソリューションを見つけることは、しばしば不可能である。 近年,マルチタスク学習を多目的最適化として活用することにより,タスク間のトレードオフが良好である1つのパレート最適解を求める方法が提案されている。
  論文  参考訳（メタデータ） (2019-12-30T08:58:40Z)

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。