論文の概要: Benchmarking for Metaheuristic Black-Box Optimization: Perspectives and
Open Challenges
- arxiv url: http://arxiv.org/abs/2007.00541v1
- Date: Wed, 1 Jul 2020 15:09:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 23:11:29.278385
- Title: Benchmarking for Metaheuristic Black-Box Optimization: Perspectives and
Open Challenges
- Title(参考訳): メタヒューリスティックなブラックボックス最適化のためのベンチマーク:展望とオープンチャレンジ
- Authors: Ramses Sala and Ralf M\"uller
- Abstract要約: 新たな最適化アルゴリズムの研究は、そのようなアルゴリズムが現実世界や産業に関係のある課題に対処する能力を改善するという動機に基づいていることが多い。
多くのテスト問題とベンチマークスイートが開発され、アルゴリズムの比較評価に利用されている。
- 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: Research on new optimization algorithms is often funded based on the
motivation that such algorithms might improve the capabilities to deal with
real-world and industrially relevant optimization challenges. Besides a huge
variety of different evolutionary and metaheuristic optimization algorithms,
also a large number of test problems and benchmark suites have been developed
and used for comparative assessments of algorithms, in the context of global,
continuous, and black-box optimization. For many of the commonly used synthetic
benchmark problems or artificial fitness landscapes, there are however, no
methods available, to relate the resulting algorithm performance assessments to
technologically relevant real-world optimization problems, or vice versa. Also,
from a theoretical perspective, many of the commonly used benchmark problems
and approaches have little to no generalization value. Based on a mini-review
of publications with critical comments, advice, and new approaches, this
communication aims to give a constructive perspective on several open
challenges and prospective research directions related to systematic and
generalizable benchmarking for black-box optimization.
- Abstract(参考訳): 新たな最適化アルゴリズムの研究は、そのようなアルゴリズムが現実世界および産業的に関係のある最適化課題に対処する能力を改善するという動機に基づいていることが多い。
様々な進化的およびメタヒューリスティック最適化アルゴリズムに加えて、グローバル、連続、ブラックボックス最適化の文脈において、アルゴリズムの比較評価のために多数のテスト問題とベンチマークスイートも開発され、使用されている。
一般的なベンチマーク問題や人工フィットネスのランドスケープには、アルゴリズムのパフォーマンス評価結果と技術的に関係のある実世界の最適化問題、あるいはその逆を関連付ける方法が存在しない。
また、理論的な観点からは、よく使われるベンチマーク問題やアプローチの多くは一般化値がほとんどないし全くない。
批判的なコメントやアドバイス、新しいアプローチを含む出版物のミニレビューに基づいて、このコミュニケーションは、ブラックボックス最適化のための体系的で一般化されたベンチマークに関連するいくつかのオープンチャレンジと今後の研究方向に関する建設的な視点を提供することを目的としている。
関連論文リスト
- A Tutorial on the Design, Experimentation and Application of Metaheuristic Algorithms to Real-World Optimization Problems [16.890440704820367]
メタヒューリスティックの設計と使用に関する数十年の歴史的進歩にもかかわらず、新しい技術成果の理解可能性、アルゴリズム設計の正しさ、性能検証性に関して大きな困難が残っている。
この研究は、最適化に使用されるメタヒューリスティックス手法の研究を行う際に、受け入れるべき良いプラクティスの提案を聴衆に提供することを目的としている。
論文 参考訳(メタデータ) (2024-10-04T07:41:23Z) - Learning Joint Models of Prediction and Optimization [56.04498536842065]
Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。
本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
論文 参考訳(メタデータ) (2024-09-07T19:52:14Z) - Explainable Benchmarking for Iterative Optimization Heuristics [0.8192907805418583]
我々は、様々な最適化アルゴリズムの性能を分析し、理解するためのIOH-Xplainerソフトウェアフレームワークを紹介する。
さまざまなアルゴリズムコンポーネントと構成の影響を調査し、さまざまなシナリオにおけるパフォーマンスに関する洞察を提供する。
論文 参考訳(メタデータ) (2024-01-31T14:02:26Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳(メタデータ) (2023-06-15T15:28:12Z) - 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) - 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) - Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。
性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
論文 参考訳(メタデータ) (2022-05-03T07:54:56Z) - On the Optimality of Batch Policy Optimization Algorithms [106.89498352537682]
バッチポリシー最適化は、環境と対話する前に既存のデータをポリシー構築に活用することを検討する。
信頼調整インデックスアルゴリズムは楽観的,悲観的,中立的いずれであってもミニマックス最適であることを示す。
最適値予測の本来の難易度を考慮した新しい重み付き最小値基準を提案する。
論文 参考訳(メタデータ) (2021-04-06T05:23:20Z) - PAMELI: A Meta-Algorithm for Computationally Expensive Multi-Objective
Optimization Problems [0.0]
提案アルゴリズムは,実モデルのモデルによって定義される一連の代理問題の解法に基づく。
また,最適化ランドスケープのための最適なサロゲートモデルとナビゲーション戦略のメタ検索を行う。
論文 参考訳(メタデータ) (2021-03-19T11:18:03Z) - Optimistic variants of single-objective bilevel optimization for
evolutionary algorithms [6.788217433800101]
ベンチマーク問題を解くために部分的部分進化的アプローチが提案され、優れた結果が得られた。
また、一般的な収束アプローチ、すなわち楽観的で悲観的なアプローチにも新しい変種が提案されている。
実験の結果、アルゴリズムは楽観的な変量を持つ最適解に異なる収束性を示す。
論文 参考訳(メタデータ) (2020-08-22T23:12:07Z)
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。