論文の概要: Contour-Assisted Evolutionary Computation: Estimating Peaks From the Contour Lines of Evaluated Solutions
- arxiv url: http://arxiv.org/abs/2611.15641v1
- Date: Wed, 11 Nov 2026 15:53:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.18762
- Title: Contour-Assisted Evolutionary Computation: Estimating Peaks From the Contour Lines of Evaluated Solutions
- Title(参考訳): 輪郭支援進化計算:評価解の輪郭線からピークを推定する
- Abstract要約: 進化的アルゴリズム(EA)は多くの候補解を評価するが、主に個人をランク付けするために使用する。
本稿では,評価された解を地形調査のスポット高さとして扱い,それらが示唆する輪郭線を描画する。
輪郭支援EA(CA-EA)は、局所探索とピークメモリを備えた輪郭ステップを遺伝的アルゴリズム(GA)、微分進化、粒子群最適化に挿入する。
- 参考スコア(独自算出の注目度): 10.867062785171981
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evolutionary algorithms (EAs) evaluate many candidate solutions but use them mainly to rank individuals. This paper treats the evaluated solutions as the spot heights of a topographic survey and draws the contour lines they imply. The contour map decomposes the evaluated region into peaks: in two dimensions a contour tree with persistence separates significant peaks from interpolation ripples, and in more dimensions hill climbing on the interpolated surface locates the peaks and ray-cast level sets describe them. A memory of the explored peaks directs the search to new ones. The data-supported contours of each peak are extrapolated to zero size by an area law, exact for quadratic peaks and second-order accurate for smooth ones, that estimates a peak's location, height and shape before it is sampled. A contour-assisted EA (CA-EA) inserts contour steps with local search and peak memory into a genetic algorithm (GA), differential evolution or particle swarm optimization. A contour-assisted surrogate-assisted EA (CA-SAEA), for expensive problems, spends each evaluation on surrogate-screened offspring or on sampling around a peak, entered at the maximum of the interpolated surface. On 2-D benchmarks, CA-EA reduces the evaluations a plain GA needs by factors of 12 to 112; controls attribute its gain over classical memetic search to restarting local search on distinct peaks. On the CEC 2015 expensive suite in 10 and 30 dimensions, CA-SAEA has the second-best average rank, behind DYCORS and ahead of lq-CMA-ES and the competition winner MVMO, although in 30 dimensions MVMO wins significantly on 9 functions and loses on 6; there the map beats sampling around the best point on 5 of 15 functions and loses on 3. Entering the peaks at their extrapolated locations brought no gain at these budgets, although, with enough samples, it improves the estimated heights on most two-dimensional functions.
- Abstract(参考訳): 進化的アルゴリズム(EA)は多くの候補解を評価するが、主に個人をランク付けするために使用する。
本稿では,評価された解を地形調査のスポット高さとして扱い,それらが示唆する輪郭線を描画する。
輪郭写像は、評価された領域をピークに分解する: 2次元では、持続性のある輪郭木は、補間リップルから重要なピークを分離し、さらに次元では、補間された表面上の丘登りはピークを配置し、レイキャストレベルセットはそれらを記述する。
探索されたピークのメモリは、検索を新しいピークに向ける。
各ピークのデータ支持輪郭は、領域法則によりゼロサイズに外挿され、2次ピークは正確に、スムーズなものは2次精度で、サンプリングされる前のピークの位置、高さ、形状を推定する。
輪郭支援EA(CA-EA)は、局所探索とピークメモリを備えた輪郭ステップを遺伝的アルゴリズム(GA)、微分進化、粒子群最適化に挿入する。
高価な問題に対する輪郭支援サロゲート支援EA(CA-SAEA)は、サロゲートスクリーニングされた子孫や、補間面の最大値に入力されたピーク付近のサンプリングにそれぞれ評価に費やす。
2-D ベンチマークでは、CA-EA は、通常の GA の必要性を 12 から 1112 の因子で評価する。
10次元と30次元のCEC 2015高価なスイートでは、CA-SAEAはDYCORSに次いで2番目に高く、lq-CMA-ESとコンテストの勝者MVMOに先んじている。
補間された場所でピークに入ると、これらの予算は上昇しないが、十分なサンプルがあれば、ほとんどの2次元関数で推定される高さを改善することができる。
関連論文リスト
- Anomalies as Residuals: Cauchy Displacement Networks [9.104326059812006]
Cauchy Displacement Network (CDN)
CDNは、Cauchyアクティベーションの単一の隠れた層ネットワークを持つ最寄りのトレーニングエリアの平均に、各通常の点を回帰する。
28基に対して46のベンチマークデータセットで、CDNはAUC-ROCとAUC-PRの両方で最高の平均ランクを得る。
論文 参考訳(メタデータ) (2026-10-30T07:53:18Z) - H2CE: Modeling Geo-Semantic Interactions for POI Reranking with Heterogeneous Two-Stage Cross-Encoders [50.334243169621175]
ローカル検索におけるPOI(Point-of-Interest)の再ランクは、クエリ条件付きトレードオフをモデル化する必要がある。
遅延バウンドPOIリグレードのための異種二段クロスエンコーダH2CEを提案する。
論文 参考訳(メタデータ) (2026-10-08T05:40:08Z) - Adaptive Differential Evolution and Multistart Search for Noisy QAOA Optimization [15.611755201685936]
固定された低深さ量子近似最適化アルゴリズム(QAOA)の4つのコストハミルトニアン族に対する古典的最適化をベンチマークする。
10は、1万から3万の関数評価の一般的な天井の下で25以上の独立したランと比較される。
論文 参考訳(メタデータ) (2026-09-19T19:08:36Z) - A Geometric Perspective on Next-Token Prediction in Large Language Models: Three Emerging Phases [1.157930969832493]
大規模言語モデル(LLM)の層間における予測情報の幾何について検討する。
モデルが各層で何を予測しているかを問うのではなく、予測情報がどこにあり、どのように深みを越えて進化するかを問う。
論文 参考訳(メタデータ) (2026-05-09T15:51:59Z) - Holi-Spatial: Evolving Video Streams into Holistic 3D Spatial Intelligence [78.1406635199656]
Holi-Spatialは、人間の介入なしに生のビデオ入力から構築された、初めて完全に自動化され、大規模で、空間対応のマルチモーダルデータセットである。
Holi-Spatial-4Mは、12K最適化された3DGSシーン、1.3Mの2Dマスク、320Kの3Dバウンディングボックス、320Kのインスタンスキャプション、1.2Mの3Dグラウンドインスタンス、1.2Mの空間QAペアを含む、最初の大規模で高品質な3Dセマンティックデータセットである。
論文 参考訳(メタデータ) (2026-03-08T14:49:20Z) - TopoMaskV3: 3D Mask Head with Dense Offset and Height Predictions for Road Topology Understanding [6.043109546012043]
TopoMaskV3は、2つの新しい密度予測ヘッドを介して、頑丈でスタンドアロンな3D予測器である。
我々は,道路トポロジ評価において,地理的データ漏洩に最初に対処した人物である。
TopoMaskV3は、地理的に結合しないベンチマークで最先端の28.5OLSを達成する。
論文 参考訳(メタデータ) (2026-03-02T07:33:46Z) - A Landscape-Aware Differential Evolution for Multimodal Optimization Problems [54.50341106632738]
マルチモーダル最適化問題(MMOP)を解く上では,複数のグローバルピークを同時に検出し,検出したピーク上で一定の精度を達成する方法が重要な2つの課題である。
本稿では,ランドスケープ・アウェア・ディファレンシャル・進化(LADE)アルゴリズムを提案する。
LADEは、最近提案された7つの高性能アルゴリズムと、マルチモーダル最適化のためのIEEE CECコンペティションにおける4つの勝者アルゴリズムと比較して、一般的に良い、あるいは競争的な性能が得られることを示した。
論文 参考訳(メタデータ) (2024-08-05T09:37:55Z) - Contour Context: Abstract Structural Distribution for 3D LiDAR Loop
Detection and Metric Pose Estimation [31.968749056155467]
本稿では,高精度な3DoF距離ポーズ推定を用いた簡易かつ効果的かつ効率的なトポロジカルループ閉包検出パイプラインを提案する。
我々は,3次元LiDAR点から投影されるBEV像を構造層分布として解釈する。
検索キーは、層状KD木でインデックスされたデータベースの検索を高速化するように設計されている。
論文 参考訳(メタデータ) (2023-02-13T07:18:24Z) - Graph Signal Sampling for Inductive One-Bit Matrix Completion: a
Closed-form Solution [112.3443939502313]
グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。
キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。
オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
論文 参考訳(メタデータ) (2023-02-08T08:17:43Z) - Combating Mode Collapse in GANs via Manifold Entropy Estimation [70.06639443446545]
Generative Adversarial Networks (GAN) は、様々なタスクやアプリケーションにおいて魅力的な結果を示している。
GANのモード崩壊問題に対処するための新しいトレーニングパイプラインを提案する。
論文 参考訳(メタデータ) (2022-08-25T12:33:31Z) - Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D
Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。
エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。
3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文 参考訳(メタデータ) (2020-12-15T11:42:17Z)
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。