이 논문에서는 유전 동역학을 갖춘 운동 기반 최적화(KBO) 방법을 향상시켜 다중 모드 최적화를 위한 새로운 접근 방식을 제시합니다.
This paper introduces a novel approach to multi-modal optimization by enhancing the kinetic-based optimization (KBO) method with genetic dynamics and localized interactions, enabling efficient detection of multiple optimal solutions in high-dimensional, non-convex objective functions.
This paper presents a novel approach using genetic algorithms to find strong lottery ticket networks, achieving comparable or superior performance to the state-of-the-art edge-popup method and approaching the accuracy of backpropagation on binary classification tasks, while also highlighting challenges in multi-class scenarios.
本研究提出了一種互動式演化多目標優化演算法,可以動態地偵測與決策者相關的目標,並適應決策過程中偏好的變化,從而提高解決方案的品質和滿意度。
본 논문에서는 상호작용적 진화 다목표 최적화 (iEMOA) 알고리즘에서 의사 결정자(DM)의 선호도 변화를 고려하여 관련 목표를 동적으로 감지하고 이에 적응하는 방법을 제안합니다.
意思決定者の選好変化が進化する中で、インタラクティブな多目的最適化アルゴリズムにおいて、関連する目的を動的に検出し、変化する選好に適応させる手法を提案する。
This paper proposes a novel method for interactive evolutionary multi-objective optimization that dynamically identifies and adapts to changing decision-maker preferences, leading to more efficient optimization and improved solution desirability.
This technical report outlines a method for optimizing metro station locations and line layouts in Selangor, Malaysia, using a genetic algorithm to address the challenges of rapid urban growth and increasing transportation demands.
透過對複雜網絡中玩家間的互動關係進行微小的、策略性的調整,可以有效地促進或抑制合作行為的演化。
복잡계 네트워크에서 죄수의 딜레마 게임에 대한 적대적 공격을 통해 링크 가중치를 미세하게 조정함으로써 협력을 효과적으로 증진하거나 억제할 수 있다.