論文の概要: Trustless parallel local search for effective distributed algorithm discovery

• arxiv url: http://arxiv.org/abs/2004.01521v1
• Date: Thu, 2 Apr 2020 12:03:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 13:04:16.310291
• Title: Trustless parallel local search for effective distributed algorithm discovery
• Title（参考訳）: 効率的な分散アルゴリズム探索のための信頼できない並列局所探索
• Authors: Zvezdin Besarabov, Todor Kolev
• Abstract要約: 我々は,信頼できない,匿名の計算ノードに並列ローカル検索をスケール可能な,新しいブロックチェーンプロトコルを提案する。 このプロトコルは各ノードが報告した局所最適条件の公に検証可能な性能評価を導入し、局所探索間の競合環境を作成する。
• 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: Metaheuristic search strategies have proven their effectiveness against man-made solutions in various contexts. They are generally effective in local search area exploitation, and their overall performance is largely impacted by the balance between exploration and exploitation. Recent developments in parallel local search explore methods to take advantage of the efficient local exploitation of searches and reach impressive results. This however restricts the scaling potential to nodes within a private, trusted computer cluster. In this research we propose a novel blockchain protocol that allows parallel local search to scale to untrusted and anonymous computational nodes. The protocol introduces publicly verifiable performance evaluation of the local optima reported by each node, creating a competitive environment between the local searches. That is strengthened with economical stimuli for producing good solutions, that provide coordination between the nodes, as every node tries to explore different sections of the search space to beat their competition.
• Abstract（参考訳）: メタヒューリスティックな検索戦略は、様々な文脈における人工解に対する効果を証明している。 それらは一般的に局所探索領域の搾取において有効であり、その全体的な性能は探索と搾取のバランスに大きく影響される。 近年の並列局所探索法は,探索の効率的な局所的利用を生かし,目覚しい結果を得た。 しかしこれは、プライベートで信頼できるコンピュータクラスタ内のノードへのスケーリングの可能性を制限する。 本研究では,信頼できない,匿名の計算ノードへの並列局所探索を実現する新しいブロックチェーンプロトコルを提案する。 このプロトコルは、各ノードが報告したローカルオプティマのパフォーマンス評価を公に検証し、ローカル検索間の競合環境を作成する。 これは、各ノードが競争に勝つために検索スペースの異なるセクションを探索しようとするため、ノード間の協調を提供する良いソリューションを生み出すための経済的刺激によって強化される。

関連論文リスト

• New Characterizations and Efficient Local Search for General Integer Linear Programming [17.80124240223163]
  本研究では境界解の概念を用いた線形プログラミング(ILP)の新たな特徴付けを提案する。 そこで我々は,局所探索アルゴリズムのLocal-ILPを開発した。 MIPLIBデータセットで行った実験は、大規模ハードILP問題の解法におけるアルゴリズムの有効性を示した。
  論文  参考訳（メタデータ） (2023-04-29T07:22:07Z)
• Collaborative Mean Estimation over Intermittently Connected Networks with Peer-To-Peer Privacy [86.61829236732744]
  本研究は、断続接続を有するネットワーク上での分散平均推定(DME)の問題について考察する。 目標は、中央サーバの助けを借りて、分散ノード間でローカライズされたデータサンプルに関するグローバル統計を学習することだ。 ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
  論文  参考訳（メタデータ） (2023-02-28T19:17:03Z)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Exploring Complicated Search Spaces with Interleaving-Free Sampling [127.07551427957362]
  本稿では,長距離接続を伴う複雑な検索空間上に探索アルゴリズムを構築する。 我々はtextbfIF-NAS という単純なアルゴリズムを提案し、異なるサブネットワークを構築するために周期的なサンプリング戦略を実行する。 提案した探索空間において、IF-NASはランダムサンプリングと従来の重み付け検索のアルゴリズムを有意差で上回っている。
  論文  参考訳（メタデータ） (2021-12-05T06:42:48Z)
• Sparse Reward Exploration via Novelty Search and Emitters [55.41644538483948]
  本稿では,SparsE Reward Exploration via Novelty and Emitters (SERENE)アルゴリズムを提案する。 SERENEは、探索空間の探索と報酬の搾取を2つの交互プロセスに分けている。 メタスケジューラは、2つのプロセス間の交互にグローバルな計算予算を割り当てる。
  論文  参考訳（メタデータ） (2021-02-05T12:34:54Z)
• Global2Local: Efficient Structure Search for Video Action Segmentation [64.99046987598075]
  グローバルからローカルへの検索方式により,より良い受容的場の組み合わせを見つけることを提案する。 提案手法は, 粗い組み合わせを見つけるためにグローバル検索と局所探索を併用し, 洗練された受容場の組み合わせパターンを得る。 我々のグローバル-ローカル検索は、既存のアクションセグメンテーション手法にプラグインすることで、最先端のパフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2021-01-04T12:06:03Z)
• On the use of local structural properties for improving the efficiency of hierarchical community detection methods [77.34726150561087]
  本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。 また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
  論文  参考訳（メタデータ） (2020-09-15T00:16:12Z)
• Approximation Guarantees of Local Search Algorithms via Localizability of Set Functions [9.89901717499058]
  局所探索は基本的なアルゴリズムであり、様々な最適化問題に広く利用されている。 ローカライズ可能性の観点から,様々な制約の下で,標準的な局所探索アルゴリズムの近似保証を提供する。 本フレームワークの主な用途はスパース最適化であり, 強い凹凸や目的関数の滑らかさの制限は局所性を意味することを示す。
  論文  参考訳（メタデータ） (2020-06-02T05:37:52Z)

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。