論文の概要: Chook -- A comprehensive suite for generating binary optimization
problems with planted solutions
- arxiv url: http://arxiv.org/abs/2005.14344v2
- Date: Mon, 22 Mar 2021 00:09:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 02:42:14.505070
- Title: Chook -- A comprehensive suite for generating binary optimization
problems with planted solutions
- Title(参考訳): Chook -- 植え込みソリューションでバイナリ最適化問題を生成する包括的スイート
- Authors: Dilina Perera, Inimfon Akpabio, Firas Hamze, Salvatore Mandra, Nathan
Rose, Maliheh Aramon, and Helmut G. Katzgraber
- Abstract要約: Chook(チョーク)は、チューナブルな複雑性の個別の最適化問題を、事前の既知のソリューションで生成するツールである。
Chookは、ソリューションの植え付けのためのクロスプラットフォームの統合環境を提供する。
様々なプランティングスキームと調整可能な硬度のサポートにより、ユーザは様々なグラフトポロジで幅広い複雑さの問題を発生させることができる。
- 参考スコア(独自算出の注目度): 0.4721851604275369
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Chook, an open-source Python-based tool to generate discrete
optimization problems of tunable complexity with a priori known solutions.
Chook provides a cross-platform unified environment for solution planting using
a number of techniques, such as tile planting, Wishart planting, equation
planting, and deceptive cluster loop planting. Chook also incorporates planted
solutions for higher-order (beyond quadratic) binary optimization problems. The
support for various planting schemes and the tunable hardness allows the user
to generate problems with a wide range of complexity on different graph
topologies ranging from hypercubic lattices to fully-connected graphs.
- Abstract(参考訳): そこで我々はChookというオープンソースのPythonベースのツールを紹介した。
Chookは、タイル植え付け、ウィッシュアート植え付け、方程式植え付け、偽りのクラスターループ植え付けなど、様々な技術を用いて、ソリューション植え付けのためのクロスプラットフォーム統一環境を提供する。
チョークはまた、高次(2次)二項最適化問題に対する植込み解も取り入れている。
様々なプランティングスキームとチューナブルハードネスのサポートにより、ハイパーキュビック格子から完全連結グラフまで、様々なグラフトポロジーにおいて、幅広い複雑さの問題を発生させることができる。
関連論文リスト
- ALEXR: An Optimal Single-Loop Algorithm for Convex Finite-Sum Coupled
Compositional Stochastic Optimization [62.784166781064684]
ALEXRと呼ばれる,効率的な単ループプリマルデュアルブロックコーディネートアルゴリズムを提案する。
本研究では, ALEXR の凸面および強凸面の収束速度を滑らか性および非滑らか性条件下で確立する。
本稿では,ALEXRの収束速度が,検討されたcFCCO問題に対する1次ブロック座標アルゴリズムの中で最適であることを示すために,より低い複雑性境界を示す。
論文 参考訳(メタデータ) (2023-12-04T19:00:07Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳(メタデータ) (2023-10-08T23:39:38Z) - Solving optimization problems with local light shift encoding on Rydberg
quantum annealers [0.0]
我々は、Rydberg量子アニールの最適化問題を解くための非ユニットディスクフレームワークを提供する。
我々の構成は、局所制御可能な光シフトを個々の量子ビットに適用する多体相互作用Rydbergシステムからなる。
我々の数値シミュレーションでは、Rydbergアニーラーを所望の多体基底状態に大域的に駆動しながら、局所分解プロトコルを実装している。
論文 参考訳(メタデータ) (2023-08-15T14:24:45Z) - 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) - A machine learning framework for neighbor generation in metaheuristic
search [4.521119623956821]
メタヒューリスティック検索における近隣世代のための汎用機械学習フレームワークを提案する。
メタヒューリスティックな2つの応用法について検証する。
論文 参考訳(メタデータ) (2022-12-22T01:58:04Z) - Sparse Quadratic Optimisation over the Stiefel Manifold with Application
to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。
そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-30T19:17:35Z) - A Bi-Level Framework for Learning to Solve Combinatorial Optimization on
Graphs [91.07247251502564]
本稿では,2つの世界の長所を結合するハイブリッドな手法を提案する。この手法では,グラフを最適化する上層学習手法とバイレベルフレームワークを開発する。
このような二段階のアプローチは、元のハードCOでの学習を単純化し、モデルキャパシティの需要を効果的に軽減することができる。
論文 参考訳(メタデータ) (2021-06-09T09:18:18Z) - Combinatorial Optimization for Panoptic Segmentation: An End-to-End
Trainable Approach [23.281726932718232]
本稿では,同時セマンティクスとインスタンスセグメンテーションのためのエンドツーエンドのトレーニング可能なアーキテクチャを提案する。
提案手法は,大規模実世界の課題において,ディープラーニングと協調して最適化を用いることの有用性を示す。
論文 参考訳(メタデータ) (2021-06-06T17:39:13Z) - QROSS: QUBO Relaxation Parameter Optimisation via Learning Solver
Surrogates [14.905085636501438]
問題のインスタンスの集合に関するソルバデータから学習することで,quboソルバのサロゲートモデルを構築する。
このようにして、インスタンスの共通構造とそれらの解決者との相互作用を捉えることができ、ペナルティパラメータを適切に選択することができる。
qrossは分散型データセットや様々な種類のquboソルバによく一般化されている。
論文 参考訳(メタデータ) (2021-03-19T09:06:12Z) - Memory Clustering using Persistent Homology for Multimodality- and
Discontinuity-Sensitive Learning of Optimal Control Warm-starts [24.576214898129823]
シューティング法は非線形最適制御問題の解法として効率的である。
最近の研究は、問題空間のオフライン探索中に生成されたサンプルに基づいてトレーニングされた学習モデルからの最初の推測を提供することに重点を置いている。
本研究では、代数的トポロジーからツールを適用し、解空間の基盤構造に関する情報を抽出する。
論文 参考訳(メタデータ) (2020-10-02T14:24:59Z) - A Multi-Agent Primal-Dual Strategy for Composite Optimization over
Distributed Features [52.856801164425086]
目的関数を滑らかな局所関数と凸(おそらく非滑らか)結合関数の和とするマルチエージェント共有最適化問題について検討する。
論文 参考訳(メタデータ) (2020-06-15T19:40:24Z)
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。