論文の概要: A Flexible and Generic Approach for Explainable Landscape Analysis and the pyXla Toolbox
- arxiv url: http://arxiv.org/abs/2610.06359v1
- Date: Mon, 05 Oct 2026 13:56:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 08:54:30.830455
- Title: A Flexible and Generic Approach for Explainable Landscape Analysis and the pyXla Toolbox
- Title（参考訳）: 説明可能な景観解析とpyXlaツールボックスのためのフレキシブルでジェネリックなアプローチ
- Abstract要約: 本稿では,Python パッケージ pyXla を用いたランドスケープ解析 (XLA) の原理的手法を提案する。
このアプローチは、単一または複数の目的を持つ異なる表現を持つ問題や制約のない問題に適用されるという点で一般的である。
pyXlaが生成した説明可能なアウトプットを,多様な景観特性を持つ手作り問題の選択について示す。
- 参考スコア（独自算出の注目度）: 1.0221654398821483
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Landscape analysis has been successfully applied to understand complex optimisation problems, gain insights into algorithm behaviour, and automate algorithm selection and configuration. Although many landscape analysis techniques have been developed over the last decades, it remains difficult for researchers and practitioners to decide which approaches are appropriate and to implement them in practice. Some tools are available, but these are either restricted to particular problem domains (e.g., unconstrained black-box continuous optimisation), or are limited in what they model and measure. In addition, output from landscape analysis is often not easily interpretable, especially when computed landscape features do not correspond with aspects of problems that practitioners are familiar with. In this paper, we introduce a principled approach for explainable landscape analysis (XLA) with an associated Python package called pyXla. The approach is generic in that it applies to problems with different representations (continuous or combinatorial), with single or multiple objectives, with or without constraints. The extent of analysis provided by the XLA framework depends on the data available, with richer analysis offered as additional information is provided by the user. We demonstrate the explainable output produced by pyXla on a selection of hand-crafted problems with diverse landscape characteristics.
- Abstract（参考訳）: ランドスケープ解析は、複雑な最適化問題を理解し、アルゴリズムの振る舞いについての洞察を得、アルゴリズムの選択と設定を自動化するためにうまく適用されてきた。
過去数十年にわたって多くの景観解析技術が開発されてきたが、研究者や実践者がどのアプローチが適切かを決め、実際に実施することは困難である。
いくつかのツールが利用可能であるが、これらは特定の問題領域(例えば、制約なしのブラックボックス連続最適化)に制限されるか、あるいはそれらがモデル化し測定するものに制限される。
また、ランドスケープ解析からの出力は、特に計算されたランドスケープの特徴が実践者がよく知っている問題と一致しない場合、容易に解釈できないことが多い。
本稿では,Python パッケージ pyXla を用いたランドスケープ解析 (XLA) の原理的アプローチを提案する。
このアプローチは、異なる表現(連続的または組合せ的)、単一または複数の目的、制約のない問題に適用できるという点で一般的である。
XLAフレームワークによって提供される分析の程度は、利用可能なデータに依存し、ユーザが追加情報を提供するにつれて、よりリッチな分析が提供される。
pyXlaが生成した説明可能なアウトプットを,多様な景観特性を持つ手作り問題の選択について示す。
関連論文リスト
- Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multi-Objective Continuous Optimization Problems [0.5461938536945723]
本研究では,ディープラーニングとERAの機能を組み合わせたハイブリッドアプローチであるDeep-ELAを提案する。
提案するフレームワークは、単目的および多目的の連続最適化問題を分析するために、最初から利用できるか、あるいは様々なタスクに微調整することができる。
論文 参考訳（メタデータ） (2024-01-02T12:41:17Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Reachability Analysis for Lexicase Selection via Community Assembly
Graphs [56.16884466478886]
フィトネスランドスケープは、進化的アルゴリズムによって探索された検索空間を解析するための強力なツールとして歴史的に使われてきた。
本稿では,この問題を解決するために,エコロジーからツールを借りることを提案する。
本手法が複雑な遺伝的プログラミング問題に適用可能であることを実証する。
論文 参考訳（メタデータ） (2023-09-20T00:16:56Z) - A Collection of Deep Learning-based Feature-Free Approaches for
Characterizing Single-Objective Continuous Fitness Landscapes [0.0]
ランドスケープの洞察は、問題を理解するだけでなく、ベンチマークセットの多様性と構成を評価するためにも重要である。
本研究では、最適化ランドスケープを特徴付ける様々なアプローチのコレクションを提供する。
我々は、Deep Learningの助けを借りて、BBOBテストベッド上で考案した手法を実証し、検証し、予測する。
論文 参考訳（メタデータ） (2022-04-12T12:46:31Z) - A Machine-Learning-Aided Visual Analysis Workflow for Investigating Air
Pollution Data [18.972547412113567]
大気汚染データの分析は、特徴(何)、空間(どこに)、時間(いつ)といった様々な側面からの分析に焦点を当てているため、困難である。
我々は、フレキシブルな分析ワークフローをサポートするビジュアル分析システムを開発し、ドメインの専門家が分析ニーズに基づいて様々な側面を自由に探索できるようにする。
論文 参考訳（メタデータ） (2022-02-11T02:24:21Z) - A Simple Information-Based Approach to Unsupervised Domain-Adaptive
Aspect-Based Sentiment Analysis [58.124424775536326]
本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。
実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
論文 参考訳（メタデータ） (2022-01-29T10:18:07Z) - Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。
人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
論文 参考訳（メタデータ） (2021-04-17T21:34:10Z) - An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。
特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。
提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文 参考訳（メタデータ） (2020-06-18T20:09:53Z)
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。