論文の概要: Perceptual reasoning based solution methodology for linguistic
optimization problems
- arxiv url: http://arxiv.org/abs/2004.14933v1
- Date: Thu, 30 Apr 2020 16:35:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 05:01:30.497541
- Title: Perceptual reasoning based solution methodology for linguistic
optimization problems
- Title（参考訳）: 言語最適化問題に対する知覚推論に基づく解法
- Authors: Prashant K Gupta and Pranab K. Muhuri
- Abstract要約: 言語最適化問題(LOP)は、単一目的言語最適化問題(SOLOP)と多目的言語最適化問題(MOLOP)の2種類からなる。
言語情報の利用は、必然的に単語による計算(CWW)の活用を要求するため、LOPに対して2-tuple言語モデルに基づく解法が提案された。
その結果, 2-tuple言語モデルに基づく解法は,type-1ファジィ集合と順序項集合の組み合わせを用いて,言語情報のセマンティクスを表すことがわかった。
- 参考スコア（独自算出の注目度）: 13.548237279353408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decision making in real-life scenarios may often be modeled as an
optimization problem. It requires the consideration of various attributes like
human preferences and thinking, which constrain achieving the optimal value of
the problem objectives. The value of the objectives may be maximized or
minimized, depending on the situation. Numerous times, the values of these
problem parameters are in linguistic form, as human beings naturally understand
and express themselves using words. These problems are therefore termed as
linguistic optimization problems (LOPs), and are of two types, namely single
objective linguistic optimization problems (SOLOPs) and multi-objective
linguistic optimization problems (MOLOPs). In these LOPs, the value of the
objective function(s) may not be known at all points of the decision space, and
therefore, the objective function(s) as well as problem constraints are linked
by the if-then rules. Tsukamoto inference method has been used to solve these
LOPs; however, it suffers from drawbacks. As, the use of linguistic information
inevitably calls for the utilization of computing with words (CWW), and
therefore, 2-tuple linguistic model based solution methodologies were proposed
for LOPs. However, we found that 2-tuple linguistic model based solution
methodologies represent the semantics of the linguistic information using a
combination of type-1 fuzzy sets and ordinal term sets. As, the semantics of
linguistic information are best modeled using the interval type-2 fuzzy sets,
hence we propose solution methodologies for LOPs based on CWW approach of
perceptual computing, in this paper. The perceptual computing based solution
methodologies use a novel design of CWW engine, called the perceptual reasoning
(PR). PR in the current form is suitable for solving SOLOPs and, hence, we have
also extended it to the MOLOPs.
- Abstract（参考訳）: 実生活シナリオにおける決定は、しばしば最適化問題としてモデル化される。
問題対象の最適値の達成を制約する人間の嗜好や思考など,さまざまな属性を考慮する必要がある。
目的の値は状況に応じて最大化または最小化することができる。
人間は自然に言葉を使って自分自身を理解し、表現するので、これらの問題パラメータの値は言語形式である。
これらの問題は言語最適化問題(LOP)と呼ばれ、単一目的言語最適化問題(SOLOP)と多目的言語最適化問題(MOLOP)の2種類からなる。
これらのlopsでは、目的関数(s)の値は決定空間のすべての点では知られておらず、したがって目的関数(s)と問題制約はif-then規則によって関連付けられる。
塚本推論法はこれらのLOPの解法として用いられてきたが、欠点に悩まされている。
そこで,言語情報の利用は必然的に単語による計算(cww)の活用を要求され,lopsでは2対の言語モデルに基づく解法が提案されている。
しかし, 2-tuple言語モデルに基づく解法は,type-1ファジィ集合と順序項集合の組み合わせを用いて,言語情報のセマンティクスを表現する。
このように、言語情報のセマンティクスはインターバルタイプ2ファジィ集合を用いて最もよくモデル化されているため、知覚コンピューティングのCWWアプローチに基づくLOPの解法を提案する。
知覚計算に基づく解法は、知覚推論 (perceptual reasoning, PR) と呼ばれるCWWエンジンの斬新な設計を用いる。
現在の形式のPRはSOLOPを解くのに適しており、MOLOPにも拡張しています。
関連論文リスト
- Autoformulation of Mathematical Optimization Models Using LLMs [50.030647274271516]
商用問題解決者のための自然言語記述から最適化モデルを作成するための自動アプローチを開発する。
本稿では,(1)問題依存仮説空間の定義,(2)不確実性の下でこの空間を効率的に探索すること,(3)定式化の正しさを評価すること,の3つの課題を同定する。
論文 参考訳（メタデータ） (2024-11-03T20:41:38Z) - Enhancing Multi-Step Reasoning Abilities of Language Models through Direct Q-Function Optimization [50.485788083202124]
強化学習(Reinforcement Learning, RL)は、大規模言語モデルを人間の好みと整合させ、複雑なタスクを遂行する能力を向上させる上で重要な役割を担っている。
反応生成過程をマルコフ決定プロセス(MDP)として定式化し,ソフトアクター・クリティック(SAC)フレームワークを用いて,言語モデルによって直接パラメータ化されたQ関数を最適化する,直接Q関数最適化(DQO)を提案する。
GSM8KとMATHという2つの数学問題解決データセットの実験結果から、DQOは従来の手法よりも優れており、言語モデルを整合させるための有望なオフライン強化学習手法として確立されている。
論文 参考訳（メタデータ） (2024-10-11T23:29:20Z) - Differentiation of Multi-objective Data-driven Decision Pipeline [34.577809430781144]
実世界のシナリオは、しばしば多目的データ駆動最適化問題を含む。
従来の2段階の手法では、機械学習モデルを用いて問題係数を推定し、続いて予測された最適化問題に取り組むためにソルバを呼び出す。
近年の取り組みは、下流最適化問題から導かれる意思決定損失を用いた予測モデルのエンドツーエンドトレーニングに重点を置いている。
論文 参考訳（メタデータ） (2024-06-02T15:42:03Z) - Learning Constrained Optimization with Deep Augmented Lagrangian Methods [54.22290715244502]
機械学習(ML)モデルは、制約付き最適化ソルバをエミュレートするために訓練される。
本稿では,MLモデルを用いて2つの解推定を直接予測する手法を提案する。
これにより、双対目的が損失関数であるエンドツーエンドのトレーニングスキームと、双対上昇法をエミュレートした原始的実現可能性への解推定を可能にする。
論文 参考訳（メタデータ） (2024-03-06T04:43:22Z) - NL4Opt Competition: Formulating Optimization Problems Based on Their
Natural Language Descriptions [19.01388243205877]
競争の目標は、非専門家が自然言語を使ってそれらと対話できるようにすることにより、最適化ソルバのアクセシビリティとユーザビリティを向上させることである。
LPワード問題データセットを提示し,NeurIPS 2022コンペティションのためのタスクを共有する。
論文 参考訳（メタデータ） (2023-03-14T20:59:04Z) - Socio-cognitive Optimization of Time-delay Control Problems using
Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。
本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文 参考訳（メタデータ） (2022-10-23T22:21:10Z) - Visualizing the Relationship Between Encoded Linguistic Information and
Task Performance [53.223789395577796]
本稿では,Pareto Optimalityの観点から,符号化言語情報とタスクパフォーマンスの動的関係について検討する。
我々は、機械翻訳と言語モデリングという2つの一般的なNLPタスクの実験を行い、様々な言語情報とタスクパフォーマンスの関係について検討する。
実験結果から,NLPタスクには構文情報が有用であるのに対して,より構文情報の符号化が必ずしも優れたパフォーマンスをもたらすとは限らないことが示唆された。
論文 参考訳（メタデータ） (2022-03-29T19:03:10Z) - Double Fuzzy Probabilistic Interval Linguistic Term Set and a Dynamic
Fuzzy Decision Making Model based on Markov Process with tts Application in
Multiple Criteria Group Decision Making [0.0]
与えられた言語評価において,確率分布を扱うための言語用語が提案されている。
ウェイト情報は、動的情報融合と意思決定プロセスにおいて重要な役割を果たす。
二重ファジィ確率区間言語用語集合(DFPILTS)の概念を提案する。
論文 参考訳（メタデータ） (2021-11-30T10:17:08Z) - Learning MDPs from Features: Predict-Then-Optimize for Sequential
Decision Problems by Reinforcement Learning [52.74071439183113]
我々は、強化学習を通して解決された逐次決定問題(MDP)の文脈における予測列最適化フレームワークについて検討した。
2つの重要な計算課題は、意思決定中心の学習をMDPに適用することである。
論文 参考訳（メタデータ） (2021-06-06T23:53:31Z) - Parallel processor scheduling: formulation as multi-objective linguistic
optimization and solution using Perceptual Reasoning based methodology [13.548237279353408]
スケジューリングポリシの目的は、生産時間やコストなど、目標の最適な値を達成することです。
専門家は一般的に、言語用語や言葉の様々なスケジューリング基準(スケジューリングポリシーを含む)について意見を提供する。
また,PR法と2-tuple法との比較を行った。
論文 参考訳（メタデータ） (2020-04-30T17:04:49Z)
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。