論文の概要: DEFT-FUNNEL: an open-source global optimization solver for constrained
grey-box and black-box problems
- arxiv url: http://arxiv.org/abs/1912.12637v1
- Date: Sun, 29 Dec 2019 11:43:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 08:13:54.104443
- Title: DEFT-FUNNEL: an open-source global optimization solver for constrained
grey-box and black-box problems
- Title(参考訳): DEFT-FUNNEL:制約付きグレーボックス問題とブラックボックス問題に対するオープンソースグローバル最適化
- Authors: Phillipe R. Sampaio
- Abstract要約: DEFT-FUNNELは、一般的な制約付きグレーボックス問題とブラックボックス問題に対する、オープンソースのグローバル最適化アルゴリズムである。
実験に使用するテストセットのコードもGithubリポジトリから入手可能だ。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fast-growing need for grey-box and black-box optimization methods for
constrained global optimization problems in fields such as medicine, chemistry,
engineering and artificial intelligence, has contributed for the design of new
efficient algorithms for finding the best possible solution. In this work, we
present DEFT-FUNNEL, an open-source global optimization algorithm for general
constrained grey-box and black-box problems that belongs to the class of
trust-region sequential quadratic optimization algorithms. It extends the
previous works by Sampaio and Toint (2015, 2016) to a global optimization
solver that is able to exploit information from closed-form functions.
Polynomial interpolation models are used as surrogates for the black-box
functions and a clustering-based multistart strategy is applied for searching
for the global minima. Numerical experiments show that DEFT-FUNNEL compares
favorably with other state-of-the-art methods on two sets of benchmark
problems: one set containing problems where every function is a black box and
another set with problems where some of the functions and their derivatives are
known to the solver. The code as well as the test sets used for experiments are
available at the Github repository http://github.com/phrsampaio/deft-funnel.
- Abstract(参考訳): 医学、化学、工学、人工知能といった分野における制約付きグローバル最適化問題に対するグレーボックスとブラックボックス最適化手法の急速な需要は、最良の解を見つけるための新しい効率的なアルゴリズムの設計に寄与している。
本稿では,信頼領域逐次2次最適化アルゴリズムに属する一般制約付きグレイボックス問題とブラックボックス問題に対する,オープンソースのグローバル最適化アルゴリズムdeft-funnelを提案する。
sampaioとtoint(2015, 2016)による以前の成果を、クローズドフォーム関数からの情報を活用可能なグローバル最適化ソルバに拡張したものだ。
多項式補間モデルはブラックボックス関数のサロゲートとして使われ、クラスタリングベースのマルチスタート戦略はグローバルミニマの探索に適用される。
数値実験により、DEFT-FUNNELは2つのベンチマーク問題に対して、各関数がブラックボックスであるような問題を含む一組と、ある関数とその導関数がソルバに既知であるような問題を含む一組とを比較できる。
実験に使用されるコードとテストセットは、githubリポジトリのhttp://github.com/phrsampaio/deft-funnel.com/で入手できる。
関連論文リスト
- Bayesian Optimization of Expensive Nested Grey-Box Functions [11.523746174066702]
ブラックボックス関数とホワイトボックス関数の両方からなるグレーボックス目的関数を最適化する問題を考察する。
このようなグレーボックス問題に対する一般的な定式化が与えられ、これは既存のグレーボックス最適化の定式化を特別な場合としてカバーしている。
次に、最適化駆動型アルゴリズムを設計して解決する。
論文 参考訳(メタデータ) (2023-06-08T12:18:18Z) - Let the Flows Tell: Solving Graph Combinatorial Optimization Problems
with GFlowNets [86.43523688236077]
組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。
GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。
本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
論文 参考訳(メタデータ) (2023-05-26T15:13:09Z) - Sarah Frank-Wolfe: Methods for Constrained Optimization with Best Rates and Practical Features [65.64276393443346]
Frank-Wolfe (FW) 法は、構造化制約による最適化問題の解法として一般的な手法である。
有限サム勾配の最小化のためのアルゴリズムの2つの新しい変種を示す。
論文 参考訳(メタデータ) (2023-04-23T20:05:09Z) - Enhanced Opposition Differential Evolution Algorithm for Multimodal
Optimization [0.2538209532048866]
現実の問題は、本質的には複数の最適値からなるマルチモーダルである。
古典的な勾配に基づく手法は、目的関数が不連続あるいは微分不可能な最適化問題に対して失敗する。
我々は,MMOPを解くために,拡張オポポジション微分進化(EODE)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-23T16:18:27Z) - A Constrained Optimization Approach to Bilevel Optimization with
Multiple Inner Minima [49.320758794766185]
そこで本研究では,両レベル問題を等価な制約付き最適化に変換する手法を提案する。
このようなアプローチには、(a)多重内極小問題への対処、(b)ジャコビアン計算のない完全一階効率など、いくつかの利点がある。
論文 参考訳(メタデータ) (2022-03-01T18:20:01Z) - Continuation Newton methods with deflation techniques for global
optimization problems [3.705839280172101]
最適化問題のグローバルな最小点はエンジニアリングである。
本稿では,この非線形大規模問題に対する新しいメメティックアルゴリズムについて考察する。
我々の数値実験によると、新しいアルゴリズムは制約のない未制約問題に対してうまく機能する。
論文 参考訳(メタデータ) (2021-07-29T09:53:49Z) - Learning Primal Heuristics for Mixed Integer Programs [5.766851255770718]
本研究は,機械学習を用いて効果的な霊長類を自動学習できるかどうかを考察する。
本稿では,最適化問題をグラフとして表現するための新しい手法を提案する。
可変解の予測はB&B法の新たな構成であるProbabilistic Branching with guided Depth-first Searchによって行われる。
論文 参考訳(メタデータ) (2021-07-02T06:46:23Z) - Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex
Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。
我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。
我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文 参考訳(メタデータ) (2021-06-08T15:54:44Z) - Bayesian Algorithm Execution: Estimating Computable Properties of
Black-box Functions Using Mutual Information [78.78486761923855]
多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。
本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。
これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
論文 参考訳(メタデータ) (2021-04-19T17:22:11Z) - Incorporating Expert Prior in Bayesian Optimisation via Space Warping [54.412024556499254]
大きな探索空間では、アルゴリズムは関数の最適値に達する前に、いくつかの低関数値領域を通過する。
このコールドスタートフェーズの1つのアプローチは、最適化を加速できる事前知識を使用することである。
本稿では,関数の事前分布を通じて,関数の最適性に関する事前知識を示す。
先行分布は、探索空間を最適関数の高確率領域の周りに拡張し、最適関数の低確率領域の周りに縮小するようにワープする。
論文 参考訳(メタデータ) (2020-03-27T06:18:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。