論文の概要: Surrogate-Assisted Genetic Programming with Phenotypic Characterisation in Dynamic Multi-Mode Project Scheduling

• arxiv url: http://arxiv.org/abs/2609.14418v1
• Date: Sun, 13 Sep 2026 10:37:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.811151
• Title: Surrogate-Assisted Genetic Programming with Phenotypic Characterisation in Dynamic Multi-Mode Project Scheduling
• Title（参考訳）: 動的マルチモード計画計画における表現型特徴付きサロゲート支援遺伝的プログラミング
• Abstract要約: 本研究では,サロゲート支援遺伝子プログラミングにおける表現型の特徴について検討した。 ユークリッド距離を持つバイナリ符号化は、最も効果的でロバストなサロゲートガイダンスを提供することを示している。 また、表現型的に冗長な子孫がどれだけ効果的に取り除かれるか、また、事前選択後の行動多様性がどれだけ保持されるかも決定する。
• 参考スコア（独自算出の注目度）: 6.835074198877901
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic multi-mode resource-constrained project scheduling requires decisions to be made under precedence constraints, limited resources, multiple execution modes, and uncertain activity durations. Genetic programming (GP) can automatically evolve heuristic rules for such problems, but its simulation-based fitness evaluation is computationally expensive. This study investigates phenotypic characterisation (PC) in surrogate-assisted GP to evolve higher-quality scheduling heuristics under a fixed budget of full simulation-based fitness evaluations. A key question is how GP individuals should be encoded into phenotypic characterisations to support effective fitness estimation. To answer this question, three PC encoding schemes with different levels of information richness are designed: priority-value encoding, which preserves raw rule outputs; rank encoding, which captures candidate ordering; and binary encoding, which represents final scheduling decisions. These encodings are combined with different distance metrics to measure behavioural similarity between GP individuals. The experimental results show that binary encoding with Euclidean distance provides the most effective and robust surrogate guidance. Further analyses show that surrogate estimation accuracy alone does not fully explain the performance differences. The PC representation also determines how effectively phenotypically redundant offspring are removed and how much behavioural diversity is retained after preselection. Ablation experiments further demonstrate that duplicate removal and surrogate preselection provide complementary benefits, with their combination producing the largest improvement. These findings highlight that effective surrogate-assisted GP depends not only on identifying promising offspring, but also on controlling redundancy and preserving useful diversity during evolutionary search.
• Abstract（参考訳）: 動的マルチモードのリソース制約のあるプロジェクトスケジューリングは、優先順位の制約、限られたリソース、複数の実行モード、不確実な実行時間の下で行う必要がある。 遺伝的プログラミング(GP)はそのような問題に対するヒューリスティックなルールを自動で進化させることができるが、シミュレーションに基づく適合性評価は計算的に高価である。 本研究では, シュロゲート支援GPにおける表現型特徴化(PC)を, 完全なシミュレーションに基づく適合度評価の固定予算の下で, 高品質なスケジューリングヒューリスティックを進化させるために検討した。 重要な疑問は、GP個人が効果的なフィットネス推定をサポートするために、どのように表現型の特徴化に符号化されるべきかである。 この質問に答えるために、情報豊かさの異なる3つのPCエンコーディングスキームを設計する: ルール出力を保存する優先度値エンコーディング、候補順序をキャプチャするランクエンコーディング、最終的なスケジューリング決定を表すバイナリエンコーディング。 これらのエンコーディングは、GP個人間の振る舞いの類似性を測定するために、異なる距離のメトリクスと組み合わせられる。 実験結果から、ユークリッド距離のバイナリ符号化が最も効果的でロバストなサロゲート誘導を提供することが示された。 さらに分析した結果,サロゲート推定精度だけでは性能差を十分に説明できないことがわかった。 PC表現はまた、表現型的に冗長な子孫がいかに効果的に除去されるか、および事前選択後の行動多様性が保持されるかも決定する。 さらにアブレーション実験では、重複除去とサロゲート前駆体の選択が相補的な利益をもたらし、それらの組み合わせが最大の改善をもたらすことが示されている。 以上の結果から, 有効サロゲート支援GPは, 有望な子孫の同定だけでなく, 冗長性の制御や, 進化探索における有用多様性の維持にも依存していることが明らかとなった。

関連論文リスト

• Evolution-Aware MSA Reasoning for Subsampling via Factor Graphs [55.715754117956514]
  複数のシーケンスアライメントは、明示的な進化コンテキストを持つタンパク質言語モデルを提供する。 MSAサブサンプリングは限定的なトークン予算では避けられない。 本稿では,因子グラフ推論を用いて固定予算MSAサブセットを推定するAP-REASONERを提案する。
  論文  参考訳（メタデータ） (2026-07-24T13:55:21Z)
• Surrogate-Assisted Genetic Programming with Rank-Based Phenotypic Characterisation for Dynamic Multi-Mode Project Scheduling [6.835074198877901]
  遺伝的プログラミング(GP)は意思決定タスクのルールを進化させることが示されている。 GPは、問題固有の表現型キャラクタライゼーション(PC)方式を必要とする。 そこで本稿では,意思決定状況における活動モードペアと活動グループを順序付けしたランク駆動型PC方式を提案する。 結果として得られるPCベクトルは、非評価GP個体の適合度を推定する代理モデルを可能にする。
  論文  参考訳（メタデータ） (2026-03-17T09:19:20Z)
• BROTHER: Behavioral Recognition Optimized Through Heterogeneous Ensemble Regularization for Ambivalence and Hesitancy [39.407739937584104]
  自然主義的なビデオ設定におけるA/H(Ambivalence and Hesitancy)は、感情コンピューティングにおいて重要な課題である。 ビデオレベルでのA/H予測のために,高度に正規化されたマルチモーダル融合パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-15T12:53:41Z)
• An Orthogonal Learner for Individualized Outcomes in Markov Decision Processes [55.93922317950527]
  DRQ-learnerと呼ばれる新しいメタラーナーを開発した。 DRQ-learnerは離散状態空間と連続状態空間の両方の設定に適用できます。
  論文  参考訳（メタデータ） (2025-09-30T15:49:29Z)
• 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)
• PGU-SGP: A Pheno-Geno Unified Surrogate Genetic Programming For Real-life Container Terminal Truck Scheduling [7.678307721780809]
  本稿では,代用サンプル選択と適合性予測を強化するために,表現ジェノリック・サロゲートGPアルゴリズムPGU-SGPを提案する。 同じトレーニング時間で、PGU-SGPは従来のGPと最先端のアルゴリズムを多くのデータセットで大幅に上回っている。
  論文  参考訳（メタデータ） (2025-04-15T15:19:42Z)
• Dual-stage optimizer for systematic overestimation adjustment applied to multi-objective genetic algorithms for biomarker selection [0.18648070031379424]
  特徴選択法を用いたバイオマーカー同定は,特徴数における予測能力とパシモニーのトレードオフを伴う多目的問題として扱うことができる。 提案するDOSA-MOは多目的最適化ラッパーアルゴリズムで,元の推定値,分散度,および解の特徴セットサイズが過大評価を予測する。
  論文  参考訳（メタデータ） (2023-12-27T16:13:14Z)
• Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
  自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。 非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。 本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
  論文  参考訳（メタデータ） (2023-07-27T08:58:05Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
  予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。 シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
  論文  参考訳（メタデータ） (2022-11-16T00:11:04Z)
• Genetic Programming is Naturally Suited to Evolve Bagging Ensembles [0.0]
  適合度評価と選択の微妙な変化は、単純で従来のGPアルゴリズムを効率的に進化させるのに十分であることを示す。 我々のアルゴリズムは、最先端のアンサンブルと非アンサンブルGPアルゴリズムと非常によく比較できる。
  論文  参考訳（メタデータ） (2020-09-13T16:28:11Z)

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。