論文の概要: A Special Point Skeleton Reconstruction Algorithm for Dynamic Multiobjective Optimization

• arxiv url: http://arxiv.org/abs/2608.06096v1
• Date: Thu, 06 Aug 2026 14:36:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.931296
• Title: A Special Point Skeleton Reconstruction Algorithm for Dynamic Multiobjective Optimization
• Title（参考訳）: 動的多目的最適化のための特異点骨格再構成アルゴリズム
• Abstract要約: 特殊点進化再構成に基づく動的多目的骨格アルゴリズム(SPSR-DMOEA)を提案する。 まず、セントロイドは他のアンカーポイントと接続され、非セントロイドアンカーポイントの間に最小のスパンニングツリーが構築される。 決定空間では、セントロイドは他のアンカーポイントと接続され、非セントロイドアンカーポイントの間に最小のスパンニングツリーが構築される。 候補解は各エッジに沿って均一に生成され、骨格周辺の探索領域を拡張するためにランダムな摂動が導入された。
• 参考スコア（独自算出の注目度）: 1.3836565669337055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address the issue that existing dynamic multi-objective optimization algorithms mainly rely on individual migration or independent special point sampling after environmental changes, while failing to fully exploit the structural relationships among representative solutions, a Special Point Skeleton Reconstruction based Dynamic Multi-Objective Evolutionary Algorithm (SPSR-DMOEA) is proposed. First, the centroid, knee points, and extreme points are extracted from the Pareto optimal solution set of the current environment, and their positions in the new environment are adaptively predicted according to their movement velocities across consecutive environments. Subsequently, in the decision space, the centroid is connected with other anchor points, and a minimum spanning tree is constructed among the non-centroid anchor points, thereby establishing a prediction skeleton capable of describing the overall population structure. According to the lengths of the skeleton edges, the number of individuals allocated to each edge is determined proportionally. Candidate solutions are uniformly generated along each edge, and random orthogonal perturbations are introduced to expand the search region around the skeleton. Experimental results on the DF dynamic multi-objective benchmark suite demonstrate the effectiveness of the proposed method in dynamic tracking capability.
• Abstract（参考訳）: 従来の動的多目的最適化アルゴリズムは, 環境変化後の個別のマイグレーションや個別の特別な点サンプリングに大きく依存するが, 代表解間の構造的関係を十分に活用できないという問題に対処するために, SPSR-DMOEA を用いた動的多目的進化アルゴリズムを提案する。 まず、現在の環境のパレート最適解集合から、遠心点、膝点、極点を抽出し、連続した環境の移動速度に応じて、新しい環境におけるそれらの位置を適応的に予測する。 その後、決定空間において、セントロイドは他のアンカーポイントと接続され、非セントロイドアンカーポイントの間に最小のスパンニングツリーが構築され、全体としての人口構造を記述することができる予測スケルトンが確立される。 骨格縁の長さにより、各縁に割り当てられた個体数は比例的に決定される。 各エッジに沿って候補解が均一に生成され、骨格周辺の探索領域を拡張するためにランダム直交摂動が導入される。 DF動的多目的ベンチマークスイートの実験結果から,提案手法の有効性が示された。

関連論文リスト

• N-GRPO: Embedding-Level Neighbor Mixing for Enhanced Policy Optimization [55.14402862283128]
  我々は,グループ相対政策最適化フレームワークに統合された新しい探索戦略であるN-GRPOを紹介する。 トークンレベルのサンプリングやネイティブな埋め込みレベルのノイズに頼るのではなく、Semantic Neighbor Mixingを活用する。 N-GRPOは、数学推論ベンチマークの強いベースラインよりも一貫した改善を達成し、また分布外タスクの堅牢な一般化能力を示す。
  論文  参考訳（メタデータ） (2026-06-09T12:21:27Z)
• Training-Free Diffusion-Driven Modeling of Pareto Set Evolution for Dynamic Multiobjective Optimization [15.780107358426745]
  本稿では,DMOPのトレーニング自由拡散に基づく動的応答機構DD-DMOEAを提案する。 膝点に基づく補助戦略を用いて、新しい環境における対象領域を特定する。 CEC2018の動的多目的ベンチマークの実験により、DD-DMOEAは競争力またはより良い収束・分散性能を達成することが示された。
  論文  参考訳（メタデータ） (2026-03-23T11:09:58Z)
• A Primer on Evolutionary Frameworks for Near-Field Multi-Source Localization [38.61590331630376]
  本稿では,近距離場マルチソースローカライゼーションのためのモデル駆動型進化的フレームワークについて紹介する。 連続球面波信号モデル上で直接動作する2つの相補的進化的局所化フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-03-08T15:22:19Z)
• Structural bias in multi-objective optimisation [5.869782631289138]
  構造バイアス (Structure bias, SB) とは、探索空間の特定の領域に対して最適化アルゴリズムを体系的に選好することを指す。 SBは単目的最適化において広範囲に研究されているが、多目的最適化におけるその役割はほとんど解明されていない。 本稿では、構造バイアスの概念を多目的設定に拡張し、フィットネス駆動誘導から分離して研究する手法を提案する。
  論文  参考訳（メタデータ） (2026-02-06T14:43:28Z)
• OrthAlign: Orthogonal Subspace Decomposition for Non-Interfering Multi-Objective Alignment [61.02595549125661]
  大規模言語モデル(LLM)のアライメントは、複数の人間の好みに対処する際に重要なジレンマに直面します。 我々は、優先順位調整における勾配レベルの対立を解決する革新的なアプローチであるOrthAlignを提案する。 我々はOrthAlignが多重目的アライメント後の34.61%から50.89%の最大単一参照改善を実現していることを示す。
  論文  参考訳（メタデータ） (2025-09-29T11:16:30Z)
• Towards Efficient General Feature Prediction in Masked Skeleton Modeling [59.46799426434277]
  マスクスケルトンモデリングのための新しい汎用特徴予測フレームワーク(GFP)を提案する。 我々の重要な革新は、局所的な動きパターンからグローバルな意味表現にまたがる、従来の低レベルな再構築を高レベルな特徴予測に置き換えることです。
  論文  参考訳（メタデータ） (2025-09-03T18:05:02Z)
• Integrating Chaotic Evolutionary and Local Search Techniques in Decision Space for Enhanced Evolutionary Multi-Objective Optimization [1.8130068086063336]
  本稿では,SOMMOP(Single-Objective Multi-Modal Optimization)とMOO(Multi-Objective Optimization)の両方に焦点を当てる。 SOMMOPではニッチ技術とカオス進化を統合し,ガウス突然変異を併用したパーシスタンス・クラスタリングを行った。 MOOでは,これらの手法を不確実性に基づく選択,適応的チューニングを組み込んだ包括的フレームワークに拡張し,決定論的群集に半径(R)の概念を導入する。
  論文  参考訳（メタデータ） (2024-11-12T15:18:48Z)
• Combining Kernelized Autoencoding and Centroid Prediction for Dynamic Multi-objective Optimization [3.431120541553662]
  本稿では,カーネル化された自己コード進化探索と遠近法に基づく予測を組み合わせた統一パラダイムを提案する。 提案手法は,多くの複雑なベンチマーク問題に対して,最先端の5つのアルゴリズムと比較する。
  論文  参考訳（メタデータ） (2023-12-02T00:24:22Z)
• Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
  高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。 我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。 また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
  論文  参考訳（メタデータ） (2021-07-02T16:21:52Z)
• Efficient Methods for Structured Nonconvex-Nonconcave Min-Max Optimization [98.0595480384208]
  定常点に収束する一般化外空間を提案する。 このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
  論文  参考訳（メタデータ） (2020-10-31T21:35:42Z)
• Tackling the Objective Inconsistency Problem in Heterogeneous Federated Optimization [93.78811018928583]
  本稿では、フェデレートされた異種最適化アルゴリズムの収束性を分析するためのフレームワークを提供する。 我々は,高速な誤差収束を保ちながら,客観的な矛盾を解消する正規化平均化手法であるFedNovaを提案する。
  論文  参考訳（メタデータ） (2020-07-15T05:01:23Z)

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。