Apr, 2023

通过蒙特卡洛树搜索提高大规模多目标优化问题的性能鲁棒性

PDF
TL;DR本文提出了一种基于蒙特卡罗树搜索的进化算法 -- LMMOCTS，旨在改进大规模多目标优化问题的性能和灵敏度。该方法通过抽样决策变量来构建蒙特卡罗树上的新节点进行优化和评估，并选择具有良好评估的节点进行进一步搜索，针对决策变量规模带来的性能灵敏度进行解决。在实验中，与数种最新设计进行了对比，并提出了两个度量算法灵敏度的指标，结果证明了该方法对于解决大规模多目标优化问题具有有效性和性能的灵敏度。
large-scale multiobjective optimization problemmonte carlo tree searchperformance insensitivityevolutionary algorithmdecision variables
发现论文，激发创造
  • 多目标优化问题中实现目标空间的多样性，以实现高效率搜索

    该论文提出了一种利用 LMS 指标和多目标优化方法来寻找符合用户性能标准的智能设计方案的方法，并在多个问题上进行了验证与分析。

    Jun, 2023

  • 基于生成对抗网络的大规模多目标优化流形插值

    本文提出了一种基于生成对抗网络（GAN）的流形内插框架，以学习流形并在其上生成高质量解。我们将该算法与几种最先进的算法进行了比较，实验结果表明该框架在解决大规模多目标优化问题时取得了显著的改进。

    Jan, 2021

  • 蒙特卡罗树搜索用于策略优化

    本文提出了一种基于蒙特卡罗树搜索和无梯度优化的策略优化方法，称为 MCTSPO，通过使用上界置信度启发式获得更好的探索 - 利用平衡，相对于基于梯度和深度遗传算法的基准，在具有欺骗性或稀疏奖励函数的强化学习任务中表现更佳。

    Dec, 2019

  • 学习搜索空间分割的多目标神经架构搜索

    使用 LaMOO 优化算法在神经架构搜索任务中取得了超过 200% 的样本效率提升，并在 CIFAR10 数据集上以仅 600 个搜索样本实现了 97.36% 的准确率和仅 1.62M 参数，以及在 ImageNet 数据集上仅使用 522M 浮点操作数实现了 80.4% 的 top-1 准确率。

    Jun, 2024

  • 基于扩散模型的昂贵多目标贝叶斯优化

    多目标贝叶斯优化通过引入复合扩散模型和信息熵加权方法，在昂贵多目标优化问题中获得高质量解集，并在合成基准和实际问题上展示了卓越性能。

    May, 2024

  • 多目标化的软件配置调优的适应

    本文提出了一种自适应调整权重的方法，名为 AdMMO，来克服 MMO 的重大缺点，通过在适当的时间调整权重以维持优秀的非支配配置，实验结果表明在多个实际系统、目标和预算上，AdMMO 比 MMO 和一系列最新的优化器优越，同时在最佳速度提升为 2.2 倍至 20 倍的基础上相对更高的效率。

    Apr, 2024

  • DOSA-MO: 多目标问题中系统性过高估计调整的双阶段优化器改进生物标志物发现

    DOSA-MO 是一种新型的多目标优化封装算法，它通过学习原始估计、其方差以及解集大小如何预测过度估计，并调整期望值以在优化期间改进解集的组成，验证表明 DOSA-MO 基于三个转录组数据集对肾癌和乳腺癌进行生物标志物识别改进了基于遗传算法的最新研究在预测癌症亚型和 / 或患者总存活率时的性能。

    Dec, 2023

  • 蒙特卡罗树下降用于黑盒优化

    本文研究了在黑盒优化中通过引入 Monte Carlo Tree Search 方法和结合具备随机搜索功能和高斯过程的新下降方法等技术，以实现更快速的优化。实验结果表明，所提出的方法在各种有挑战性的基准问题上表现优越。

    Nov, 2022

  • CEC 2024 多方多目标优化竞赛的基准

    该研究论文关注于多方多目标优化问题（MPMOPs），着眼于冲突目标的多个决策者，如无人机路径规划。通过鼓励研究人员探索定制建模方法，致力于填补 MPMOPs 相对传统多目标优化的研究空白。测试套件由两个部分组成：具有常见帕累托最优解的问题和未知解的两方多目标无人机路径规划（BPMO-UAVPP）问题。第一部分的优化算法使用多方反转生成距离（MPIGD）进行评估，第二部分则使用多方超体积（MPHV）指标进行评估。所有问题上的平均算法排名作为性能基准。

    Feb, 2024

  • 带性能不确定性的多目标超参数优化

    本文介绍了一种使用 Tree-structured Parzen Estimators 采样策略和训练带异质噪声的 Gaussian Process Regression 元模型的多目标超参数优化方法，具有更好的超体积指标表现，并考虑到模型评估的不确定性。

    Sep, 2022