Buchumschlag

A Learning-Based Cooperative Coevolution Framework for Heterogeneous Large-Scale Global Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qiu, Wenjie, Wang, Zixin, Fang, Hongyu, Ma, Zeyuan, Gong, Yue-Jiao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Neural and Evolutionary Computing Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

Evolutionary Reinforcement Learning via Cooperative Coevolution
von: Hu, Chengpeng, et al.
Veröffentlicht: (2024)

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

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

MetaBox-v2: A Unified Benchmark Platform for Meta-Black-Box Optimization
von: Ma, Zeyuan, 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)

Heterogeneous Multi-agent Zero-Shot Coordination by Coevolution
von: Xue, Ke, et al.
Veröffentlicht: (2022)

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

Reinforcement Learning-assisted Constraint Relaxation for Constrained Expensive Optimization
von: Zhu, Qianhao, et al.
Veröffentlicht: (2026)

Large Language Model as Meta-Surrogate for Data-Driven Many-Task Optimization: A Proof-of-Principle Study
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

Multi-population Ensemble Genetic Programming via Cooperative Coevolution and Multi-view Learning for Classification
von: Khorshidi, Mohammad Sadegh, et al.
Veröffentlicht: (2025)

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

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

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

GeM-EA: A Generative and Meta-learning Enhanced Evolutionary Algorithm for Streaming Data-Driven Optimization
von: Wu, Yue, et al.
Veröffentlicht: (2026)

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

On Cooperative Coevolution and Global Crossover
von: Bull, Larry, et al.
Veröffentlicht: (2023)

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

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

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

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

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

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

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)

Evolutionary Neural Architecture Search with Dual Contrastive Learning
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

Understanding Transformer Optimization via Gradient Heterogeneity
von: Tomihari, Akiyoshi, et al.
Veröffentlicht: (2025)

Cooperative Coevolution for Non-Separable Large-Scale Black-Box Optimization: Convergence Analyses and Distributed Accelerations
von: Duan, Qiqi, et al.
Veröffentlicht: (2023)

Task-free Adaptive Meta Black-box Optimization
von: Wang, Chao, et al.
Veröffentlicht: (2026)

Beyond Uniform Scaling: Exploring Depth Heterogeneity in Neural Architectures
von: T, Akash Guna R., et al.
Veröffentlicht: (2024)

Decoupling Numerical and Structural Parameters: An Empirical Study on Adaptive Genetic Algorithms via Deep Reinforcement Learning for the Large-Scale TSP
von: Wang, Hongyu, et al.
Veröffentlicht: (2026)

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

UDC: A Unified Neural Divide-and-Conquer Framework for Large-Scale Combinatorial Optimization Problems
von: Zheng, Zhi, et al.
Veröffentlicht: (2024)

Offline Model-Based Optimization by Learning to Rank
von: Tan, Rong-Xi, et al.
Veröffentlicht: (2024)

CCSRP: Robust Pruning of Spiking Neural Networks through Cooperative Coevolution
von: Song, Zichen, et al.
Veröffentlicht: (2024)

Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning
von: Qiu, Xin, et al.
Veröffentlicht: (2025)

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