論文の概要: First Mathematical Runtime Analyses of Evolutionary Multitask Multi-Objective Optimization

• arxiv url: http://arxiv.org/abs/2610.21311v1
• Date: Thu, 15 Oct 2026 06:00:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.208804
• Title: First Mathematical Runtime Analyses of Evolutionary Multitask Multi-Objective Optimization
• Title（参考訳）: 進化的マルチタスク多目的最適化の最初の数学的実行解析
• Abstract要約: 代表的多目的多要素進化アルゴリズム (MO-MFEA) が2つの双目的問題のパレートフロントを同時にカバーする方法を解析する。 古典的双目的 OMM とマルチモーダル OJZJ ベンチマークを最大化する2タスク問題に対して、MO-MFEA は $O(n2 log n)$ のランタイムのみを必要とする。 古典的なLOTZとマルチモーダルDLTBベンチマークからなるタスクペアに対して、DLTBのみを最適化することで、$(n)$の高速化を実現する。
• 参考スコア（独自算出の注目度）: 7.198957411556539
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To facilitate the solving of complex problems, evolutionary multitask optimization is regarded as a promising technique due to its capacity for cross-task knowledge transfer. In contrast to empirical evidences, no mathematical runtime support exists for this technique within the domain of multi-objective optimization. In this work, we aim to fill this important gap. We analyze how the representative multiobjective multifactorial evolutionary algorithm (MO-MFEA) covers the Pareto fronts of two bi-objective problems simultaneously. For the two-task problem of maximizing the classic bi-objective OMM and the multimodal OJZJ benchmarks, the MO-MFEA requires only an expected runtime of $O(n^2 \log n)$---the same as optimizing the simple OMM alone---yet achieves a speedup by a factor of $Θ(n^{k-1}/\log n)$ compared to optimizing OJZJ alone (with gap size $k$). Similarly, for the task pair comprising the classic LOTZ and the multimodal DLTB benchmarks, a speedup of $Θ(n)$ is attained over optimizing DLTB alone, while the runtime matches that of optimizing LOTZ alone.
• Abstract（参考訳）: 複雑な問題の解決を容易にするため、クロスタスクの知識伝達能力のため、進化的マルチタスク最適化は有望な手法とみなされる。 経験的エビデンスとは対照的に、多目的最適化の領域において、この手法に対する数学的ランタイムサポートは存在しない。 この作業では、この重要なギャップを埋めることを目指しています。 代表的多目的多要素進化アルゴリズム (MO-MFEA) が2つの双目的問題のパレートフロントを同時にカバーする方法を解析する。 古典的双方向OMMとマルチモーダルOJZJベンチマークを最大化する2タスク問題に対して、MO-MFEAは単純なOMMのみを最適化するのと同じ$O(n^2 \log n)$--のランタイムしか必要としない。 同様に、古典的なLOTZとマルチモーダルなDLTBベンチマークからなるタスクペアでは、DLTBのみを最適化する代わりに、99(n)$のスピードアップが達成され、ランタイムはLOTZのみを最適化する。

関連論文リスト

• optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
  単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。 LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
  論文  参考訳（メタデータ） (2026-05-19T10:18:12Z)
• On the Convergence of Single-Loop Stochastic Bilevel Optimization with Approximate Implicit Differentiation [44.084531611147305]
  単一ループ近似インプリシト差分法(SSAID)アルゴリズムの洗練された収束解析を行う。 i) 最適な$mathcalO(-2)$最先端のマルチループメソッドのレートと一致し、 (ii) $-dependenceの最初の明示的できめ細かい特徴を提供する。
  論文  参考訳（メタデータ） (2026-02-27T03:12:08Z)
• LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.35609820607923]
  大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。 LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。 LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
  論文  参考訳（メタデータ） (2025-08-16T02:00:57Z)
• Enhancing the Reasoning Ability of Multimodal Large Language Models via Mixed Preference Optimization [65.64108848398696]
  我々は、MLLMのマルチモーダル推論能力を高めるために、選好最適化(PO)プロセスを導入する。 具体的には、自動選好データ構築パイプラインを設計し、高品質で大規模なマルチモーダル推論選好データセットであるMMPRを作成する。 マルチモーダルCoT性能を向上するMPO(Mixed Preference Optimization)と呼ばれるシンプルな手法を開発した。
  論文  参考訳（メタデータ） (2024-11-15T18:59:27Z)
• $f$-PO: Generalizing Preference Optimization with $f$-divergence Minimization [54.94545757220999]
  $f$-POは、既存のアプローチを一般化し拡張する新しいフレームワークである。 ベンチマークデータセットを用いて最先端言語モデルの実験を行う。
  論文  参考訳（メタデータ） (2024-10-29T02:11:45Z)
• Runtime Analysis of the SMS-EMOA for Many-Objective Optimization [14.309243378538014]
  本稿では,多目的最適化のためのSMS-EMOAの厳密な分析を行う。 まず,2目的OJZJベンチマークを多目的に提案する。 SMS-EMOA は GSEMO と NSGA-II に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2023-12-16T02:23:09Z)
• Towards Running Time Analysis of Interactive Multi-objective Evolutionary Algorithms [23.815981112784552]
  本稿では,実際のiMOEAに対して,最初の実行時間解析(EAの本質的理論的側面)を提供する。 我々は、OneMinMaxとOneJumpZeroJumpの問題を解くために、よく開発された対話型NSGA-IIのランニングタイムが、それぞれ$O(n log n)$と$O(nk)$であることを示す。
  論文  参考訳（メタデータ） (2023-10-12T14:57:47Z)
• Theoretical Analyses of Multiobjective Evolutionary Algorithms on Multimodal Objectives [14.309243378538014]
  OJZJ問題(OJZJ problem)は、古典的なジャンプ関数のベンチマークに同型な2つの目的からなる双目的問題である。 確率1のSEMOは、実行時に関係なく、完全なParetoフロントを計算していないことを証明します。 また、より厳密な制限付き$frac 32 e nk+1 pm o(nk+1)$を示す。
  論文  参考訳（メタデータ） (2020-12-14T03:07:39Z)

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。