論文の概要: Bayesian optimization of variable-size design space problems
- arxiv url: http://arxiv.org/abs/2003.03300v1
- Date: Fri, 6 Mar 2020 16:30:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 01:37:12.978243
- Title: Bayesian optimization of variable-size design space problems
- Title（参考訳）: 可変サイズ設計空間問題のベイズ最適化
- Authors: Julien Pelamatti, Loic Brevault, Mathieu Balesdent, El-Ghazali Talbi,
Yannick Guerin
- Abstract要約: このタイプの最適化問題を解決するために,ベイズ最適化に基づく2つのアプローチが提案されている。
最初のアプローチは、最も有望な設計サブスペースに計算予算を集中させるための予算配分戦略である。
第二のアプローチは、部分的に異なる変数の集合によって特徴づけられるサンプル間の共分散を計算することができるカーネル関数の定義に基づいている。
- 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: Within the framework of complex system design, it is often necessary to solve
mixed variable optimization problems, in which the objective and constraint
functions can depend simultaneously on continuous and discrete variables.
Additionally, complex system design problems occasionally present a
variable-size design space. This results in an optimization problem for which
the search space varies dynamically (with respect to both number and type of
variables) along the optimization process as a function of the values of
specific discrete decision variables. Similarly, the number and type of
constraints can vary as well. In this paper, two alternative Bayesian
Optimization-based approaches are proposed in order to solve this type of
optimization problems. The first one consists in a budget allocation strategy
allowing to focus the computational budget on the most promising design
sub-spaces. The second approach, instead, is based on the definition of a
kernel function allowing to compute the covariance between samples
characterized by partially different sets of variables. The results obtained on
analytical and engineering related test-cases show a faster and more consistent
convergence of both proposed methods with respect to the standard approaches.
- Abstract（参考訳）: 複雑なシステム設計の枠組みの中で、目的関数と制約関数が連続変数と離散変数を同時に依存できる混合変数最適化問題を解くことがしばしば必要となる。
さらに、複雑なシステム設計問題は時折可変サイズの設計空間を示す。
これにより、特定の離散決定変数の値の関数として、最適化プロセスに沿って探索空間が動的に変化する(変数の数と型の両方に関して)最適化問題が発生する。
同様に、制約の数や種類も様々である。
本稿では,この種の最適化問題を解決するために,ベイズ最適化に基づく手法を2つ提案する。
1つ目は、最も有望な設計サブスペースに計算予算を集中させる予算配分戦略である。
第二のアプローチは、部分的に異なる変数の集合によって特徴づけられるサンプル間の共分散を計算することができるカーネル関数の定義に基づいている。
解析および工学関連のテストケースで得られた結果は、標準手法に関して、提案手法のより高速でより一貫した収束を示す。
関連論文リスト
- Simultaneous and Meshfree Topology Optimization with Physics-informed Gaussian Processes [0.0]
トポロジ最適化(TO)は、その物質空間分布を予め定義された領域で設計し、制約の集合に従うことによって、構造の性能を最適化する原理的な数学的アプローチを提供する。
我々は,ガウス過程(GP)の枠組みに基づく新しいTO手法を開発し,その平均関数はディープニューラルネットワークを介してパラメータ化される。
本手法を商用ソフトウェアに実装した従来のTO手法に対して検証するため,ストークスフローにおける消散電力の最小化を含む4つの問題に対して評価を行った。
論文 参考訳（メタデータ） (2024-08-07T01:01:35Z) - Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳（メタデータ） (2023-07-17T20:11:56Z) - Comparison of Single- and Multi- Objective Optimization Quality for
Evolutionary Equation Discovery [77.34726150561087]
進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。
提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
論文 参考訳（メタデータ） (2023-06-29T15:37:19Z) - Numerical Methods for Convex Multistage Stochastic Optimization [86.45244607927732]
最適化プログラミング(SP)、最適制御(SOC)、決定プロセス(MDP)に焦点を当てる。
凸多段マルコフ問題の解決の最近の進歩は、動的プログラミング方程式のコスト対ゴー関数の切断面近似に基づいている。
切削平面型法は多段階問題を多段階的に扱えるが、状態(決定)変数は比較的少ない。
論文 参考訳（メタデータ） (2023-03-28T01:30:40Z) - Scalable Bayesian optimization with high-dimensional outputs using
randomized prior networks [3.0468934705223774]
本稿では,確率化された先行するニューラルネットワークの自己ストラップ型アンサンブルに基づくBOとシーケンシャル意思決定のためのディープラーニングフレームワークを提案する。
提案手法は,高次元ベクトル空間や無限次元関数空間の値を取る場合においても,設計変数と関心量の関数的関係を近似することができることを示す。
提案手法をBOの最先端手法に対して検証し,高次元出力の課題に対して優れた性能を示す。
論文 参考訳（メタデータ） (2023-02-14T18:55:21Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - Automated Circuit Sizing with Multi-objective Optimization based on
Differential Evolution and Bayesian Inference [1.1579778934294358]
一般化微分進化3(GDE3)とガウス過程(GP)に基づく設計最適化手法を提案する。
提案手法は,多数の設計変数を持つ複雑な回路の小型化を実現し,多くの競合対象を最適化する。
本研究では,2つの電圧レギュレータにおいて,異なるレベルの複雑さを示す手法について検討した。
論文 参考訳（メタデータ） (2022-06-06T06:48:45Z) - Variable Functioning and Its Application to Large Scale Steel Frame
Design Optimization [15.86197261674868]
変数関数Fxと呼ばれる概念に基づく手法を導入し、最適化変数を減らし、探索空間を狭める。
問題構造解析技術と工学的知識を用いることで、鋼枠設計最適化プロセスを強化するために$Fx$法が用いられる。
論文 参考訳（メタデータ） (2022-05-15T12:43:25Z) - Nonequilibrium Monte Carlo for unfreezing variables in hard
combinatorial optimization [1.1783108699768]
適応的勾配自由戦略を開発することにより,非局所非平衡モンテカルロ(NMC)アルゴリズムの量子インスパイアされたファミリーを導入する。
我々は、特殊解法と汎用解法の両方に対して、大幅な高速化と堅牢性を観察する。
論文 参考訳（メタデータ） (2021-11-26T17:45:32Z) - Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。
我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。
また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文 参考訳（メタデータ） (2020-02-16T09:01:18Z)
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。