論文の概要: Fixed-Target Runtime Analysis

• arxiv url: http://arxiv.org/abs/2004.09613v3
• Date: Tue, 5 Oct 2021 17:41:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 18:11:27.428814
• Title: Fixed-Target Runtime Analysis
• Title（参考訳）: 固定ターゲットランタイム解析
• Authors: Maxim Buzdalov and Benjamin Doerr and Carola Doerr and Dmitry Vinokurov
• Abstract要約: ランタイム分析は、古典的には最適な解決策を見つけるのに必要な時間を研究します。 固定予算分析と固定目標分析の2つの補完的アプローチが提案されている。 固定予算解析と異なり、離散進化アルゴリズムの実行時解析と異なり、多くの古典的手法がより大きな努力を伴わずに固定目標結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 8.246980996934347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Runtime analysis aims at contributing to our understanding of evolutionary algorithms through mathematical analyses of their runtimes. In the context of discrete optimization problems, runtime analysis classically studies the time needed to find an optimal solution. However, both from a practical and from a theoretical viewpoint, more fine-grained performance measures are needed to gain a more detailed understanding of the main working principles and their resulting performance implications. Two complementary approaches have been suggested: fixed-budget analyses and fixed-target analyses. In this work, we conduct an in-depth study on the advantages and the limitations of fixed-target analyses. We show that, different from fixed-budget analyses, many classical methods from the runtime analysis of discrete evolutionary algorithms yield fixed-target results without greater effort. We use this to conduct a number of new fixed-target analyses. However, we also point out examples where an extension of existing runtime results to fixed-target results is highly non-trivial.
• Abstract（参考訳）: 実行時解析は、実行時の数学的解析を通じて進化的アルゴリズムの理解に寄与することを目的としている。 離散最適化問題の文脈では、実行時解析は最適解を見つけるのに必要な時間を古典的に研究する。 しかしながら、実用的かつ理論的には、主な作業原理とその結果として得られるパフォーマンスへの影響をより詳細に理解するために、より細かいパフォーマンス指標が必要である。 固定予算分析と固定目標分析の2つの補完的アプローチが提案されている。 本研究では,固定対象分析の利点と限界について,詳細な検討を行う。 固定予算解析と異なり、離散進化アルゴリズムの実行時解析と異なり、多くの古典的手法がより大きな努力を伴わずに固定目標結果が得られることを示す。 これを使って、多数の新しい固定ターゲット分析を行う。 しかし、既存の実行時結果から固定ターゲット結果への拡張が極めて簡単でない例も指摘している。

関連論文リスト

• Leveraging Slither and Interval Analysis to build a Static Analysis Tool [0.0]
  本稿では,現在最先端の分析ツールで検出されていない,あるいは完全に検出されていない欠陥の発見に向けた進展について述べる。 我々は,Slither上に構築された動作ソリューションを開発し,各命令の実行時の契約状態を評価する。
  論文  参考訳（メタデータ） (2024-10-31T09:28:09Z)
• Tighter Performance Theory of FedExProx [85.92481138826949]
  我々は最近提案した分散最適化法であるFedExProxを再検討し,外挿による並列アルゴリズムの収束特性の向上を図った。 非強凸二次問題に対して、より厳密な線形収束率を確立するための新しい解析フレームワークを開発する。 解析の応用性はPolyak-Lojasiewicz条件を満たす一般関数に拡張され、以前の強い凸解析よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-20T11:53:25Z)
• Investigating the Impact of Quantization on Adversarial Robustness [22.637585106574722]
  量子化は、ディープモデルのビット幅を減らし、実行時のパフォーマンスとストレージ効率を改善する技術である。 現実のシナリオでは、量子化されたモデルは、しばしば逆攻撃に直面する。 我々は、ロバストな最適化を組み込むことのできる量子化パイプラインコンポーネントの影響を、初めて分析する。
  論文  参考訳（メタデータ） (2024-04-08T16:20:15Z)
• It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
  アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。 現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。 本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
  論文  参考訳（メタデータ） (2023-12-27T10:44:58Z)
• A Comparative Visual Analytics Framework for Evaluating Evolutionary Processes in Multi-objective Optimization [7.906582204901926]
  EMOアルゴリズムにおける進化過程の探索と比較を可能にする視覚分析フレームワークを提案する。 ベンチマークおよび実世界の多目的最適化問題におけるケーススタディを通じて,本フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-10T15:32:46Z)
• Best-Effort Adaptation [62.00856290846247]
  本稿では, 試料再重み付け法に関する新しい理論的解析を行い, 試料再重み付け法を一様に保持する境界について述べる。 これらの境界が、我々が詳細に議論する学習アルゴリズムの設計を導く方法を示す。 本稿では,本アルゴリズムの有効性を実証する一連の実験結果について報告する。
  論文  参考訳（メタデータ） (2023-05-10T00:09:07Z)
• A Scale-Independent Multi-Objective Reinforcement Learning with Convergence Analysis [0.6091702876917281]
  多くのシーケンシャルな意思決定問題は、対立する可能性のある異なる目的の最適化を必要とする。 本稿では,Advantage Actor-Critic (A2C)アルゴリズムに基づいて,単エージェントスケール非依存型多目的強化学習を開発する。 次に、収束保証を提供する考案された多目的アルゴリズムに対して収束解析を行う。
  論文  参考訳（メタデータ） (2023-02-08T16:38:55Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• Multi-task Learning of Order-Consistent Causal Graphs [59.9575145128345]
  我々は、$K関連ガウス非巡回グラフ(DAG)の発見問題を考える。 マルチタスク学習環境下では, 線形構造方程式モデルを学習するためのMLE ($l_1/l$-regularized maximum chance estimator) を提案する。 理論的には、関係するタスクにまたがるデータを活用することで、因果順序を復元する際のサンプルの複雑さをより高めることができることを示す。
  論文  参考訳（メタデータ） (2021-11-03T22:10:18Z)
• A general sample complexity analysis of vanilla policy gradient [101.16957584135767]
  政策勾配(PG)は、最も一般的な強化学習(RL)問題の1つである。 PG軌道の「バニラ」理論的理解は、RL問題を解く最も一般的な方法の1つである。
  論文  参考訳（メタデータ） (2021-07-23T19:38:17Z)
• Analysis of Genetic Algorithm on Bearings-Only Target Motion Analysis [0.0]
  軸受角度のみを用いた目標運動解析は水中での目標追跡にとって重要な研究である。 カルマン型フィルタや進化戦略を含むいくつかの手法が優れた予測子を得るために用いられる。
  論文  参考訳（メタデータ） (2020-01-15T15:40:01Z)

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。