SMS-EMOA: Multiobjective selection based on dominated hypervolume
PulseAugur coverage of SMS-EMOA: Multiobjective selection based on dominated hypervolume — every cluster mentioning SMS-EMOA: Multiobjective selection based on dominated hypervolume across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
JANUS模块通过雅各比对齐增强黑盒优化
研究人员开发了JANUS，一个新颖的即插即用模块，旨在增强基于种群的优化器，如CMA-ES。JANUS从最近的评估轨迹中提取局部几何信号，而无需替换宿主优化器，并为开发和探索候选者估计局部雅各比矩阵。该方法在各种维度上显著多数的BBOB函数上提高了性能，并在结构化和多目标任务（包括无人机路径规划）上取得了最佳结果，且没有离线训练成本。
-
混合进化算法在计算连续体服务部署方面展现出潜力
研究人员开发了一种混合多目标进化算法，用于计算连续体环境中的服务部署。该方法采用协作式混合岛模型MOEA，其中不同的算法会定期交换解决方案以增强搜索行为。研究调查了这种混合协作是否比独立算法提供显著的性能提升，以及所有组成算法是否做出同等贡献，发现混合方法总体上优于基线方法，并显示出非均匀的岛屿贡献。
-
SPEA2+算法改进了多目标优化的密度估计
研究人员推出了SPEA2+，这是强度帕累托进化算法2（SPEA2）的一个增强版本，专为多目标优化问题设计。新变体解决了SPEA2在被支配解的密度估计方面的局限性，而这些局限性此前阻碍了其在某些基准测试上的效率。SPEA2+利用所有成对距离进行适应度分配，提高了其性能，并实现了与NSGA-II和SMS-EMOA等其他领先算法相当的保证。
-
EvoPref算法通过进化优化增强语言模型对齐
研究人员开发了EvoPref，这是一种新颖的多目标进化算法，旨在改进大型语言模型（LLM）的对齐。与可能导致偏好崩溃和狭窄行为模式的传统基于梯度的方法不同，EvoPref维护了针对有用性、无害性和诚实性进行优化的适配器多样化种群。这种方法显著增强了偏好覆盖范围并降低了崩溃率，同时实现了具有竞争力的对齐质量，确立了进化优化作为多样化LLM对齐的可行范式。