Buchumschlag

Reinforcement Learning-assisted Constraint Relaxation for Constrained Expensive Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Qianhao, Ma, Sijie, Ma, Zeyuan, Guo, Hongshu, Gong, Yue-Jiao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Neural and Evolutionary Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Surrogate Ensemble in Expensive Multi-Objective Optimization via Deep Q-Learning
von: Wu, Yuxin, et al.
Veröffentlicht: (2026)

Reinforcement Learning-based Self-adaptive Differential Evolution through Automated Landscape Feature Learning
von: Guo, Hongshu, et al.
Veröffentlicht: (2025)

Neural Exploratory Landscape Analysis for Meta-Black-Box-Optimization
von: Ma, Zeyuan, et al.
Veröffentlicht: (2024)

Meta-Black-Box-Optimization through Offline Q-function Learning
von: Ma, Zeyuan, et al.
Veröffentlicht: (2025)

Detect and Act: Automated Dynamic Optimizer through Meta-Black-Box Optimization
von: Gao, Zijian, et al.
Veröffentlicht: (2026)

Symbol: Generating Flexible Black-Box Optimizers through Symbolic Equation Learning
von: Chen, Jiacheng, et al.
Veröffentlicht: (2024)

READY: Reward Discovery for Meta-Black-Box Optimization
von: Huang, Zechuan, et al.
Veröffentlicht: (2026)

Advancing CMA-ES with Learning-Based Cooperative Coevolution for Scalable Optimization
von: Guo, Hongshu, et al.
Veröffentlicht: (2025)

ConfigX: Modular Configuration for Evolutionary Algorithms via Multitask Reinforcement Learning
von: Guo, Hongshu, et al.
Veröffentlicht: (2024)

Toward Automated Algorithm Design: A Survey and Practical Guide to Meta-Black-Box-Optimization
von: Ma, Zeyuan, et al.
Veröffentlicht: (2024)

DesignX: Human-Competitive Algorithm Designer for Black-Box Optimization
von: Guo, Hongshu, et al.
Veröffentlicht: (2025)

COBRA++: Enhanced COBRA Optimizer with Augmented Surrogate Pool and Reinforced Surrogate Selection
von: Yu, Zipei, et al.
Veröffentlicht: (2026)

RLEMMO: Evolutionary Multimodal Optimization Assisted By Deep Reinforcement Learning
von: Lian, Hongqiao, et al.
Veröffentlicht: (2024)

Learning Where, What and How to Transfer: A Multi-Role Reinforcement Learning Approach for Evolutionary Multitasking
von: Zhan, Jiajun, et al.
Veröffentlicht: (2025)

Auto-configuring Exploration-Exploitation Tradeoff in Evolutionary Computation via Deep Reinforcement Learning
von: Ma, Zeyuan, et al.
Veröffentlicht: (2024)

Surrogate Learning in Meta-Black-Box Optimization: A Preliminary Study
von: Ma, Zeyuan, et al.
Veröffentlicht: (2025)

A Novel Two-Phase Cooperative Co-evolution Framework for Large-Scale Global Optimization with Complex Overlapping
von: Qiu, Wenjie, et al.
Veröffentlicht: (2025)

Evolution of Benchmark: Black-Box Optimization Benchmark Design through Large Language Model
von: Wang, Chen, et al.
Veröffentlicht: (2026)

MetaBox-v2: A Unified Benchmark Platform for Meta-Black-Box Optimization
von: Ma, Zeyuan, et al.
Veröffentlicht: (2025)

Instance Generation for Meta-Black-Box Optimization through Latent Space Reverse Engineering
von: Wang, Chen, et al.
Veröffentlicht: (2025)

A Learning-Based Cooperative Coevolution Framework for Heterogeneous Large-Scale Global Optimization
von: Qiu, Wenjie, et al.
Veröffentlicht: (2026)

LLaMoCo: Instruction Tuning of Large Language Models for Optimization Code Generation
von: Ma, Zeyuan, et al.
Veröffentlicht: (2024)

Experience-Based Evolutionary Algorithms for Expensive Optimization
von: Yu, Xunzhao, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning for Dynamic Algorithm Selection: A Proof-of-Principle Study on Differential Evolution
von: Guo, Hongshu, et al.
Veröffentlicht: (2024)

Accurate Peak Detection in Multimodal Optimization via Approximated Landscape Learning
von: Ma, Zeyuan, et al.
Veröffentlicht: (2025)

Improving Pareto Set Learning for Expensive Multi-objective Optimization via Stein Variational Hypernetworks
von: Nguyen, Minh-Duc, et al.
Veröffentlicht: (2024)

Island-Based Evolutionary Computation with Diverse Surrogates and Adaptive Knowledge Transfer for High-Dimensional Data-Driven Optimization
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems
von: Rahi, Kamrul Hasan
Veröffentlicht: (2024)

Reinforcement Learning-assisted Evolutionary Algorithm: A Survey and Research Opportunities
von: Song, Yanjie, et al.
Veröffentlicht: (2023)

Composite Indicator-Guided Infilling Sampling for Expensive Multi-Objective Optimization
von: Zhen, Huixiang, et al.
Veröffentlicht: (2025)

Offline Multi-Task Multi-Objective Data-Driven Evolutionary Algorithm with Language Surrogate Model and Implicit Q-Learning
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

Synergizing Reinforcement Learning and Genetic Algorithms for Neural Combinatorial Optimization
von: Gu, Shengda, et al.
Veröffentlicht: (2025)

Meta-Black-Box Optimization Can Do Search Guidance for Expensive Constrained Multi-Objective Optimization
von: Du, Yukun, et al.
Veröffentlicht: (2026)

Relation Reasoning with LLMs in Expensive Optimization
von: Lu, Ye, et al.
Veröffentlicht: (2026)

Stochastic Forward-Forward Learning through Representational Dimensionality Compression
von: Zhu, Zhichao, et al.
Veröffentlicht: (2025)

Parametric Pareto Set Learning for Expensive Multi-Objective Optimization
von: Cheng, Ji, et al.
Veröffentlicht: (2025)

EXPObench: Benchmarking Surrogate-based Optimisation Algorithms on Expensive Black-box Functions
von: Bliek, Laurens, et al.
Veröffentlicht: (2021)

Posterior Distribution-assisted Evolutionary Dynamic Optimization as an Online Calibrator for Complex Social Simulations
von: Yang, Peng, et al.
Veröffentlicht: (2026)

Financial Decision Making using Reinforcement Learning with Dirichlet Priors and Quantum-Inspired Genetic Optimization
von: Nandy, Prasun, et al.
Veröffentlicht: (2025)

Optimizing Monotone Chance-Constrained Submodular Functions Using Evolutionary Multi-Objective Algorithms
von: Neumann, Aneta, et al.
Veröffentlicht: (2020)