論文の概要: IWOO: Wave Optics Optimizer Improved with Hybrid Strategies for Numerical Optimization and Engineering Applications

• arxiv url: http://arxiv.org/abs/2610.23994v1
• Date: Thu, 15 Oct 2026 03:39:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:54:19.126258
• Title: IWOO: Wave Optics Optimizer Improved with Hybrid Strategies for Numerical Optimization and Engineering Applications
• Title（参考訳）: IWOO:数値最適化のためのハイブリッド戦略による波動光学最適化と工学的応用
• Abstract要約: Wave Optics premature convergence (WOO)は、光学回折と干渉を数値最適化に組み込んでいる。 緩やかに収束し、局所的な最適に閉じ込められ、後続の反復で探索効率を失う。 本稿では,4つの補完戦略を統合する改良波光学(IWOO)を提案する。
• 参考スコア（独自算出の注目度）: 5.394467865260247
• License:
• Abstract: The Wave Optics Optimizer (WOO) incorporates optical diffraction and interference into numerical optimization and has shown competitive performance in benchmarks and engineering applications. However, it can converge slowly, become trapped in local optima, and lose search effectiveness in later iterations. This paper proposes an Improved Wave Optics Optimizer (IWOO) that integrates four complementary strategies. First, a good point set and opposition-based learning are combined in GPS--OBL initialization to improve population quality and diversity. Second, an E-DM nonlinear perturbation mechanism is embedded in temporary triangle-based search to develop the TriEDM multi-path strategy and enhance search capability. Third, Correlation-Guided Groupwise Orthogonal Learning (CGOL) leverages relationships among decision variables to improve search efficiency while reducing computational overhead. Fourth, an adaptive stagnation-aware Runge--Kutta correction is introduced to mitigate premature convergence. IWOO is evaluated on the IEEE CEC2019, CEC2022, and CEC2017 benchmark suites against representative and high-performing optimizers, with ablation studies assessing the contribution of each strategy. Within the representative algorithm group, IWOO achieves Friedman ranks of 1.8000, 1.5833, and 1.4483 on CEC2019, CEC2022, and CEC2017, respectively. Tests on six constrained engineering optimization problems further demonstrate its competitive accuracy, stability, and practical applicability.
• Abstract（参考訳）: ウェーブ・オプティクス・オプティマイザ(WOO)は、光学回折と干渉を数値最適化に組み込んでおり、ベンチマークや工学の分野での競争性能を示している。 しかし、緩やかに収束し、局所最適に閉じ込められ、後続の反復で探索効率が低下する。 本稿では,4つの補完戦略を統合する改良波光学オプティマイザ(IWOO)を提案する。 まず、GPSの初期化において、良い点セットと反対ベースの学習を組み合わせることで、人口の質と多様性を向上させる。 第二に、E-DM非線形摂動機構を一時的な三角形探索に組み込んで、TriEDMマルチパス戦略を開発し、探索能力を高める。 第3に,CGOL(Relational-Guided Groupwise Orthogonal Learning)は,決定変数間の関係を利用して探索効率を向上し,計算オーバーヘッドを低減させる。 第4に、初期収束を緩和するために適応的な停滞を考慮したルンゲ補正を導入する。 IWOOはIEEE CEC2019、CEC2022、CEC2017ベンチマークスイートで、代表者および高性能オプティマイザに対して評価され、それぞれの戦略の貢献を評価する。 代表的なアルゴリズム群の中で、IWOOは、それぞれCEC2019、CEC2022、CEC2017でFriedmanのランクが1.8000と1.5833と1.4483である。 6つの制約のあるエンジニアリング最適化問題に対するテストは、その競争精度、安定性、実用性をさらに証明している。

関連論文リスト

• A practical DIRECT-type algorithm for medium-scale black-box global optimization [0.6187780920448871]
  本稿では,動的パーティショニングとハイブリダイゼーションを取り入れた新しいDIRECT型アルゴリズムであるX-DTC-GLを紹介する。 4つの多様なベンチマークスイートの実験では、X-DTC-GLが既存のDIRECTベースのベースラインを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2026-09-09T06:48:44Z)
• Convex Optimization for Alignment and Preference Learning on a Single GPU [52.997197698288936]
  人間の好みに合わせて微調整された大きな言語モデルは、GeminiやChatGPTといったシステムの成功を導いた。 DPO(Direct Preference Optimization)は、よりシンプルな代替手段を提供するが、一貫性のないランキング精度やGPUリソースへの高い依存といった制限がある。 本稿では,理論的保証の強い新しい軽量戦略であるConvex Optimization for Alignment and Preference Learning Algorithm (COALA)を提案する。
  論文  参考訳（メタデータ） (2026-05-22T05:25:00Z)
• Diff3R: Feed-forward 3D Gaussian Splatting with Uncertainty-aware Differentiable Optimization [76.38917994186733]
  Diff3Rはフィードフォワード予測とテストタイム最適化をブリッジする新しいフレームワークである。 フィードフォワード3DGSアーキテクチャにシームレスに統合でき、ポーズギヴン法とポーズフリー法の両方に対応できることを示す。
  論文  参考訳（メタデータ） (2026-04-01T15:40:20Z)
• Beyond Pass-by-Pass Optimization: Intent-Driven IR Optimization with Large Language Models [5.5968503644718695]
  IntOptは、IR最適化をインテントの定式化、インテントの洗練、インテントの実現の3段階に分類する。 Intは200プログラムのテストセットで90.5%の精度と平均2.660倍のスピードアップを達成した。
  論文  参考訳（メタデータ） (2026-02-19T13:48:51Z)
• A Memetic Walrus Algorithm with Expert-guided Strategy for Adaptive Curriculum Sequencing [14.25038814788708]
  本稿では,3つの重要な革新を通じて最適化を向上するメメティック・ワラスを提案する。 OULADデータセットの実験では、MWOの優れたパフォーマンスが示されている。
  論文  参考訳（メタデータ） (2025-06-16T04:45:02Z)
• A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
  マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。 提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
  論文  参考訳（メタデータ） (2025-06-14T17:35:27Z)
• A RankNet-Inspired Surrogate-Assisted Hybrid Metaheuristic for Expensive Coverage Optimization [5.757318591302855]
  大規模カバレッジ最適化タスクを処理するために,RangeNetによるSurrogate支援ハイブリッドメタヒューリスティックを提案する。 我々のアルゴリズムは、EMVOPの最先端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） (2025-01-13T14:49:05Z)
• Orthogonally Initiated Particle Swarm Optimization with Advanced Mutation for Real-Parameter Optimization [0.04096453902709291]
  本稿では,多角形PSO(orthogonal PSO with Mutation,OPSO-m)と呼ばれる拡張粒子群(PSO)を紹介する。 PSOのための改良された初期Swarmを育むための配列ベースの学習手法を提案し、Swarmベースの最適化アルゴリズムの適応性を大幅に向上させた。 この記事はさらに、人口を正規グループとエリートグループに分割する、アーカイブベースの自己適応学習戦略を提示する。
  論文  参考訳（メタデータ） (2024-05-21T07:16:20Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。