論文の概要: A restart rule for genetic algorithms based on Schnabel census

• arxiv url: http://arxiv.org/abs/2610.22211v1
• Date: Thu, 15 Oct 2026 16:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.204457
• Title: A restart rule for genetic algorithms based on Schnabel census
• Title（参考訳）: シュナーベル国勢調査に基づく遺伝的アルゴリズムの再検討
• Abstract要約: 遺伝的アルゴリズム(GA)の新しい適応的再起動規則について考察する。 良く知られたベンチマークの実験は、GAのオリジナルバージョンに対して、新しい再起動ルールの統計的に有意な利点を示している。 新しい再起動ルールは、既知のルールよりも優れている傾向があり、これは、現在の番号が現在の最高の既存値の2倍の繰り返し数であるときに、アルゴリズムを再起動する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A new adaptive restart rule for Genetic Algorithms (GAs) is considered. The rule is based on the Schnabel Census method, originally developed for statistical estimation of a size of animal population. In this paper, the Schnabel Census method is applied as a heuristic to estimate the number of different solutions that may be visited with positive probability, given the current distribution of offspring. The rule consists in restarting a GA as soon as the maximum likelihood estimate reaches the number of different solutions observed at the recent iterations. We demonstrate how the new restart rule can be applied in a GA with steady-state replacement scheme, using three different combinatorial optimization problems as examples. Computational experiments on well-known benchmarks show a statistically significant advantage of the GAs with the new restarting rule over the original versions of GAs. The new restart rule also tends to be superior to the well-known rule, which restarts an algorithm when the current iteration number is twice the number of iterations till the current best incumbent was found.
• Abstract（参考訳）: 遺伝的アルゴリズム(GA)の新しい適応的再起動規則について考察する。 この法則は、もともと動物集団の大きさを統計的に推定するために開発されたシュナーベル・センサス法に基づいている。 本稿では、現在の子孫の分布を考えると、正の確率で訪れる可能性のある異なる解の数を推定するためにシュナーベル・センサス法を適用した。 このルールは、最大推定値が最近の反復で観測された異なる解の数に達するとすぐにGAを再起動する。 本稿では,3つの異なる組合せ最適化問題を例に挙げて,新しい再起動規則を定常置換方式でGAに適用する方法を示す。 良く知られたベンチマークにおける計算実験は、GAのオリジナルバージョンに対する新たな再起動規則により、GAの統計的に有意な優位性を示している。 新しいリスタートルールは、既知のルールよりも優れている傾向があり、現在のイテレーション番号が現在の最高のインベントが見つかるまでの2倍のイテレーション数である場合、アルゴリズムを再起動する。

関連論文リスト

• Federated stochastic bilevel optimization with fully first-order gradients [57.1147486991903]
  フェデレーション行列の2レベル最適化は、機械学習に広く応用されているため、近年積極的に研究されている。 既存のフェデレートされた双レベル最適化アルゴリズムは、二階ヘッセン行列とヤコビ行列の計算を必要とする。 本稿では,一階オーラクルのみに依存する新しいフェデレーション収束分散誘導二段降下アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-09-14T21:12:59Z)
• A Polynomial-time Algorithm for Online Sparse Linear Regression with Improved Regret Bound under Weaker Conditions [75.69959433669244]
  オンラインスパース線形回帰(OSLR)では,予測のために1インスタンスあたり$d$あたり$k$しかアクセスできない。 提案手法では, 過去の後悔点を大幅に改善する拡張時間アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-10-31T05:02:33Z)
• Agnostic Learning of Arbitrary ReLU Activation under Gaussian Marginals [10.850101961203752]
  正方形損失目標を持つガウスの辺縁部における任意のバイアスのReLU活性化(あるいはニューロン)を学習する問題を考察する。 我々の主な成果は時間統計クエリ(SQ)アルゴリズムであり、任意のバイアスに対して最初の定数係数近似を与える。 我々のアルゴリズムは、勾配降下に基づく既存のアルゴリズムから興味深い逸脱を示す。
  論文  参考訳（メタデータ） (2024-11-21T17:43:51Z)
• E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
  逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。 私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。 統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
  論文  参考訳（メタデータ） (2022-03-07T17:25:02Z)
• Symbolic Regression via Neural-Guided Genetic Programming Population Seeding [6.9501458586819505]
  シンボリック回帰(英: Symbolic regression)は、NPハードであると一般に信じられている離散最適化問題である。 この問題を解決するための従来のアプローチには、ニューラルガイド付き検索と遺伝的プログラミングがある。 本稿では、ランダムに再起動する遺伝的プログラミングコンポーネントの開始集団をシードする神経誘導成分を提案する。
  論文  参考訳（メタデータ） (2021-10-29T19:26:41Z)
• No-Regret Algorithms for Time-Varying Bayesian Optimization [0.0]
  我々は,時間変動環境を捉えるために,一般変動予算モデルを採用する。 R-GP-UCBとSW-GP-UCBの2つのGP-UCB型アルゴリズムを紹介します。 この結果は,線形カーネルを用いた場合の先行線形バンディット結果を回復するだけでなく,時間変動ガウス過程バンディットの先行後悔解析を補完するものである。
  論文  参考訳（メタデータ） (2021-02-11T22:35:32Z)
• Fast OSCAR and OWL Regression via Safe Screening Rules [97.28167655721766]
  順序付き$L_1$ (OWL)正規化回帰は、高次元スパース学習のための新しい回帰分析である。 近勾配法はOWL回帰を解くための標準手法として用いられる。 未知の順序構造を持つ原始解の順序を探索することにより、OWL回帰の最初の安全なスクリーニングルールを提案する。
  論文  参考訳（メタデータ） (2020-06-29T23:35:53Z)

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。