最終版が公開されました: @YanboZhang3、@BeneHartl、そして@HananelHazan 「ヒューリスティック適応拡散-モデル進化戦略」 概要: 拡散モデル(DM)と進化的アルゴリズム(EA)は、ランダムな初期分布を反復的に洗練して高品質な解を生み出すという、共通する生成原理を共有しています。DMはガウスノイズを用いてデータを分解・復元し、多様な生成を可能にします。一方、EAは生物学的に着想を得たヒューリスティックを通じて数値パラメータを最適化します。私たちの研究はこれらのフレームワークを統合し、ディープラーニングベースのDMを用いて多様な領域にわたるEAを強化しています。ヒューリスティックにキュレーションされたデータベースでDMを反復的に洗練させることで、より適応した子孫パラメータを生成し、探索的多様性を保ちつつ、高適応度解への効率的な収束を実現できます。DMはEAを深い記憶で補強し、過去データを保持し、微妙な相関を活用して洗練されたサンプリングを行います。分類器を使わないガイダンスにより、進化の動態を正確に制御し、特定の遺伝子型、表現型、または集団形質をターゲットにします。このハイブリッドアプローチは、EAを適応的でメモリ強化型フレームワークへと変貌させ、進化的最適化において前例のない柔軟性と精度を提供し、生成モデリングやヒューリスティックサーチに広範な影響をもたらします。