論文の概要: GNBG-C: A Unified and Configurable Benchmark Generator for Constrained Continuous Optimization

• arxiv url: http://arxiv.org/abs/2610.37590v1
• Date: Tue, 27 Oct 2026 17:27:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.733403
• Title: GNBG-C: A Unified and Configurable Benchmark Generator for Constrained Continuous Optimization
• Title（参考訳）: GNBG-C:制約付き連続最適化のための統一かつ構成可能なベンチマーク生成器
• Abstract要約: 本稿では,制約付き連続最適化のための一般化数値ベンチマーク生成器GNBG-Cを紹介する。 既知のGNBG大域最小化器の周囲に制御された制約条件を発生させることで、この発生器は、実現可能性圧力を変化させることのできる体系的な研究を可能にする。
• 参考スコア（独自算出の注目度）: 19.109334334764622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many real-world optimization tasks are governed not only by what should be optimized, but also by what is allowed: a solution must first satisfy physical, operational, safety, budgetary, or structural requirements before its objective value becomes meaningful. Yet benchmark design for constrained continuous optimization often treats these restrictions as fixed properties of predefined test instances. Existing generators and benchmark suites provide essential foundations for reproducible comparison, but they either focus primarily on configurable objective landscapes or expose constraint properties within limited, predefined regimes, making it difficult to ask targeted questions about constraint-induced difficulty: whether an optimizer struggles because feasible regions are small, boundaries are restrictive, variables are tightly coupled, or constraint information is poorly scaled. We introduce GNBG-C, a Generalized Numerical Benchmark Generator for Constrained Continuous Optimization. The central idea is to treat the feasible region itself as a configurable object rather than as an inseparable attachment to a fixed test function. By generating controlled constraint regimes around the known GNBG global minimizer, the generator enables systematic studies in which feasibility pressure can be varied while preserving that point as a global minimizer of the constrained problem. This allows researchers to examine how optimizers discover feasibility, handle constraint pressure, and improve objective quality under diverse and controllable feasibility conditions. GNBG-C therefore provides a flexible and auditable framework for probing the strengths and weaknesses of constrained continuous optimizers under targeted forms of feasibility-side difficulty.
• Abstract（参考訳）: 多くの実世界の最適化タスクは、最適化されるべきものだけでなく、許可されるべきものによっても管理される: ソリューションは、その客観的な価値が意味を持つようになる前に、まず物理的、運用的、安全、予算的、構造的要求を満たす必要がある。 しかし、制約付き連続最適化のためのベンチマーク設計は、これらの制限を事前定義されたテストインスタンスの固定プロパティとして扱うことが多い。 既存のジェネレータとベンチマークスイートは再現可能な比較に不可欠な基盤を提供するが、それらは主に設定可能な客観的な展望に焦点を当てるか、制限された事前定義されたレシエーション内で制約プロパティを公開し、制約によって引き起こされる困難についてターゲットの質問をするのは困難である。 本稿では,制約付き連続最適化のための一般化数値ベンチマーク生成器GNBG-Cを紹介する。 中心となる考え方は、固定テスト関数への分離不能なアタッチメントとしてではなく、実現可能な領域自体を設定可能なオブジェクトとして扱うことである。 既知のGNBG大域最小化器の周辺で制御された制約状態を生成することにより、その点を制約された問題の大域最小化器として保存しつつ、実現可能性圧力を変動させることができる体系的な研究を可能にする。 これにより、オプティマイザが実現可能性を発見し、制約圧力に対処し、多様で制御可能な実現可能性条件下での客観的品質を改善することができる。 したがってGNBG-Cは、制約付き連続最適化器の強みと弱みを、目的とする実現可能性側の困難さの形で予測するための、柔軟で監査可能なフレームワークを提供する。

関連論文リスト

• Constraint-Bound Agnostic Bayesian Optimization: One Model for All Thresholds [13.852878072213459]
  パラメトリック制約モデルマッピングしきい値を最適解に学習する学習ベースフレームワークを提案する。 ベンチマークと工学的問題に関する実験は、CBA-BOが伝達可能なしきい値-解写像を学習していることを示している。
  論文  参考訳（メタデータ） (2026-07-26T04:13:43Z)
• Constraint-Preserving QAOA for Personnel Rostering: Coverage-Preserving and Guarded-XY Mixer Constructions [0.0]
  我々は、厳密なスケジューリング制約を直接ミキサーハミルトニアンに埋め込む人事ロスターのための制約保存QAOAフレームワークを開発する。 我々の知る限りでは、これは人事ロースターのための最初の制約保存型QAOAの定式化である。
  論文  参考訳（メタデータ） (2026-07-10T06:58:45Z)
• Subspace Control: Turning Constrained Model Steering into Controllable Spectral Optimization [27.280175507074322]
  制約付きモデルトレーニングのためのサブスペース制御フレームワークを提案する。 SIFT (spectral interference-free training) は、すべてのタスクにおいて、実質的で堅牢なパフォーマンス改善を一貫して達成する。
  論文  参考訳（メタデータ） (2026-04-05T19:27:24Z)
• Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning [52.03884701766989]
  オフライン強化学習(RL)アルゴリズムは、通常、アクション選択に制約を課す。 本稿では,Bellmanターゲットにおける行動選択を,データセットアクションの近傍の結合に制限する新しい地区制約を提案する。 我々は,この制約を満たす目標動作を用いてQ学習を行うための,単純で効果的なアルゴリズムであるAdaptive Neighborhood-Constrained Q Learning(ANQ)を開発した。
  論文  参考訳（メタデータ） (2025-11-04T13:42:05Z)
• MOSIC: Model-Agnostic Optimal Subgroup Identification with Multi-Constraint for Improved Reliability [11.997050225896679]
  そこで本研究では,最適部分群を同定するために,初期制約付き最適化問題を直接解決する統一最適化フレームワークを提案する。 我々の鍵となる革新は、勾配降下勾配アルゴリズムによって解決された、制約のない微分可能な min-max の目的として、制約された原始問題の再構成である。 このフレームワークは、モデルに依存しず、幅広いCATE推定器と互換性があり、コスト制限や公正性基準のような追加の制約への適合性がある。
  論文  参考訳（メタデータ） (2025-04-29T16:25:23Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• Achieving Constraints in Neural Networks: A Stochastic Augmented Lagrangian Approach [49.1574468325115]
  DNN(Deep Neural Networks)の正規化は、一般化性の向上とオーバーフィッティングの防止に不可欠である。 制約付き最適化問題としてトレーニングプロセスのフレーミングによるDNN正規化に対する新しいアプローチを提案する。 我々はAugmented Lagrangian (SAL) 法を用いて、より柔軟で効率的な正規化機構を実現する。
  論文  参考訳（メタデータ） (2023-10-25T13:55:35Z)
• Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
  制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。 本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-13T23:08:49Z)
• On Lower Bounds for Standard and Robust Gaussian Process Bandit Optimization [55.937424268654645]
  有界ノルムを持つ関数のブラックボックス最適化問題に対するアルゴリズム非依存な下界を考える。 本稿では, 単純さ, 汎用性, エラー確率への依存性の向上など, 後悔の下位境界を導出するための新しい証明手法を提案する。
  論文  参考訳（メタデータ） (2020-08-20T03:48:14Z)

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。