論文の概要: An Unbounded Archive-based Transfer Strategy for Dynamic Multi-Objective Optimization with a Changing Number of Objectives

• arxiv url: http://arxiv.org/abs/2609.27430v1
• Date: Wed, 23 Sep 2026 06:47:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.924461
• Title: An Unbounded Archive-based Transfer Strategy for Dynamic Multi-Objective Optimization with a Changing Number of Objectives
• Title（参考訳）: 動的多目的最適化のための非有界アーカイブベース転送戦略
• Abstract要約: 本稿では,非有界なアーカイブベースの転送戦略を提案する。 客観的な変化が起こると、転送可能なエリートとして実現可能な非支配的なソリューションを抽出する。 その結果, アーカイブ誘導転送により環境変化後の回復が向上し, 客観変動への適応性が向上することが示唆された。
• 参考スコア（独自算出の注目度）: 16.447127323611706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic multi-objective optimization with a variable number of objectives is difficult because objective-dimensional variations may significantly change the Pareto front and degrade algorithm adaptability. This paper proposes an unbounded archive-based transfer strategy (UATS), which maintains an unbounded archive of offspring solutions within each environment stage and extracts feasible nondominated solutions as transferable elites when objective changes occur. UATS is embedded into SPEA2SDE to construct UATS-SPEA2SDE, enabling the algorithm to reuse historical evolutionary information while retaining the convergence and diversity advantages of shift-based density estimation. Experiments are conducted on four benchmark problems under three objective-changing settings, where UATS-SPEA2SDE is compared with a restart-based SPEA2SDE baseline and four representative dynamic multi-objective optimization algorithms. The results indicate that the archive-guided transfer improves recovery after environmental changes and enhances adaptability to objective-number variations.
• Abstract（参考訳）: 客観的変動がPareto前部と分解アルゴリズムの適応性を著しく変化させる可能性があるため, 目的数の変化を伴う動的多目的最適化は困難である。 本稿では,各環境段階における非有界な非支配的なソリューションを,客観的な変化が発生した場合に,転送可能なエリートとして抽出する,アンバウンドなアーカイブベース転送戦略を提案する。 UATSをSPEA2SDEに組み込んでUATS-SPEA2SDEを構築することで、シフトベース密度推定の収束性と多様性の利点を維持しつつ、歴史的進化情報を再利用することができる。 UATS-SPEA2SDEをリスタートベースSPEA2SDEベースラインと4つの代表的な動的多目的最適化アルゴリズムと比較する。 その結果, アーカイブ誘導転送により環境変化後の回復が向上し, 客観変動への適応性が向上することが示唆された。

関連論文リスト

• Entropy-Augmented Multi-Objective Policy Optimization in Multiagent Systems [0.9799637101641152]
  NSGA-IIのような多目的進化的アルゴリズムは、目的空間の多様性を最適化するが、行動空間の多様性を無視する。 本稿では、エントロピーボーナスをエージェント適合度スコアに組み込むエントロピー強化政策評価戦略を導入する。 NSGA-IIベースラインと比較して最大48%の超体積改善が観察された。
  論文  参考訳（メタデータ） (2026-08-12T19:07:47Z)
• Towards Pareto-Optimal Tool-Integrated Agents with Pareto Ranking Policy Optimization [54.855135506924775]
  ツールを用いた大規模言語モデル(LLM)を競合する目的の下で整列するための2段階多目的最適化フレームワークを提案する。 この設計は、複数の矛盾する目的に対してきめ細かいアクションレベルの最適化を可能にする。
  論文  参考訳（メタデータ） (2026-06-15T01:58:07Z)
• DIMoE-Adapters: Dynamic Expert Evolution for Continual Learning in Vision-Language Models [63.58458696122293]
  継続的な学習は、視覚言語モデルが知識を蓄積し、スクラッチから再トレーニングすることなく、進化するタスクに適応することを可能にする。 既存のほとんどのメソッドは、静的に割り当てられたパラメータを持つ固定されたアーキテクチャに依存しており、新しいドメインへの適応を制限し、破滅的な忘れを増す。 動的インクリメンタル・ミックス・オブ・エキスパート・アダプタ・フレームワークであるDIMoE-Adaptersを提案する。
  論文  参考訳（メタデータ） (2026-05-08T09:32:05Z)
• MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization [56.074760766965085]
  大規模言語モデル(LLM)の整合性のための効率的なパラダイムとしてグループ相対政策最適化が登場している。 我々は,報酬スカラー化を動的潜在ポリシーとして扱い,モデルの終端隠蔽状態を意味的ボトルネックとして活用するMAESTROを提案する。 本稿では,軽量コンダクタネットワークがメタリワード信号としてグループ相対的優位性を生かしてポリシと共進化する,双方向最適化フレームワークにおけるコンテキスト的帯域幅問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-01-12T05:02:48Z)
• Multi-start Optimization Method via Scalarization based on Target Point-based Tchebycheff Distance for Multi-objective Optimization [2.9248680865344348]
  多目的最適化(multi-jective optimization)は、競合する目的間のトレードオフのバランスをとるための、科学的および工業的応用において重要である。 NSGA-IIIやMOEA/Dのような最先端の手法は、多くの目的に対処できるが、カバレッジの問題には対処できない。 これらの課題に対処する新しいマルチスタート最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-05-01T02:27:25Z)
• Using 3-Objective Evolutionary Algorithms for the Dynamic Chance Constrained Knapsack Problem [9.617143859697322]
  動的制約付き制約付きクナプサック問題に対する3目的進化アルゴリズムの利用について検討する。 動的成分を同時に扱える3つの客観的定式化を導入し,制約に要求される信頼度に依存しない。 本分析では, 動的確率制約クナプサック問題に対処する上で, 2-対象の定式化よりも3-対象の定式化の利点を強調した。
  論文  参考訳（メタデータ） (2024-04-09T04:47:01Z)
• Knowledge Transfer for Dynamic Multi-objective Optimization with a Changing Number of Objectives [4.490459770205671]
  DMOPの目的が変化する状態遷移アルゴリズムには,十分な多様性が欠如していることが示される。 本稿では,変化後の多様性を高めるために,知識伝達動的多目的進化アルゴリズム(KTDMOEA)を提案する。
  論文  参考訳（メタデータ） (2023-06-19T01:54:44Z)
• Studying Evolutionary Solution Adaption Using a Flexibility Benchmark Based on a Metal Cutting Process [39.05320053926048]
  システム柔軟性のためのバイオインスパイアされたフレームワークの観点から、異なる生産要件を最適化することを検討する。 NSGA-IIの柔軟性は,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)アクティベートあるいは非アクティベート可能な様々な可能性に対応する,アクティブな非アクティブなジェノタイプという2つの変種によって拡張される。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• A Variational Bayesian Approach to Learning Latent Variables for Acoustic Knowledge Transfer [55.20627066525205]
  本稿では,ディープニューラルネットワーク(DNN)モデルにおける潜伏変数の分布を学習するための変分ベイズ(VB)アプローチを提案する。 我々の提案するVBアプローチは,ターゲットデバイスにおいて良好な改善が得られ,しかも,13の最先端知識伝達アルゴリズムを一貫して上回っている。
  論文  参考訳（メタデータ） (2021-10-16T15:54:01Z)
• Latent-Optimized Adversarial Neural Transfer for Sarcasm Detection [50.29565896287595]
  サーカズム検出のための共通データセットを活用するために,転送学習を適用する。 異なる損失が互いに対応できる汎用的な潜時最適化戦略を提案します。 特に、isarcasmデータセットの以前の状態よりも10.02%の絶対性能向上を達成している。
  論文  参考訳（メタデータ） (2021-04-19T13:07:52Z)

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。