論文の概要: Integrating Variable Reduction Strategy with Evolutionary Algorithm for
Solving Nonlinear Equations Systems
- arxiv url: http://arxiv.org/abs/2008.04223v1
- Date: Mon, 13 Jul 2020 09:58:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 22:38:04.682930
- Title: Integrating Variable Reduction Strategy with Evolutionary Algorithm for
Solving Nonlinear Equations Systems
- Title（参考訳）: 非線形方程式系を解くための進化的アルゴリズムと可変還元戦略の統合
- Authors: Aijuan Song, Guohua Wu, Witold Pedrycz
- Abstract要約: 本稿では、NESを解くために、可変化戦略(VRS)を進化的アルゴリズム(EA)に組み込むことを提案する。
VRSは、NESを表現するシステムを完全に利用し、方程式系に存在する変数関係を通して他の変数(例えば、還元変数)を表現するためにいくつかの変数(コア変数)を使用する。
ファミコン処理におけるVRSの有効性を検証するために,本稿では,VRSを既存の2つのEA手法に統合する。
- 参考スコア（独自算出の注目度）: 78.08328822422382
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nonlinear equations systems (NESs) are widely used in real-world problems
while they are also difficult to solve due to their characteristics of
nonlinearity and multiple roots. Evolutionary algorithm (EA) is one of the
methods for solving NESs, given their global search capability and an ability
to locate multiple roots of a NES simultaneously within one run. Currently, the
majority of research on using EAs to solve NESs focuses on transformation
techniques and improving the performance of the used EAs. By contrast, the
problem domain knowledge of NESs is particularly investigated in this study,
using which we propose to incorporate the variable reduction strategy (VRS)
into EAs to solve NESs. VRS makes full use of the systems of expressing a NES
and uses some variables (i.e., core variable) to represent other variables
(i.e., reduced variables) through the variable relationships existing in the
equation systems. It enables to reduce partial variables and equations and
shrink the decision space, thereby reducing the complexity of the problem and
improving the search efficiency of the EAs. To test the effectiveness of VRS in
dealing with NESs, this paper integrates VRS into two existing state-of-the-art
EA methods (i.e., MONES and DRJADE), respectively. Experimental results show
that, with the assistance of VRS, the EA methods can significantly produce
better results than the original methods and other compared methods.
- Abstract（参考訳）: 非線形方程式系(NES)は実世界の問題で広く用いられているが、非線形性や多重根の特徴から解くのが難しい。
進化的アルゴリズム(Evolutionary algorithm, EA)は、NESのグローバル検索能力と、NESの複数のルーツを1回のランで同時に特定できることから、NESを解く方法の1つである。
現在、NESの問題を解決するためにEAを使用する研究の大部分は、変換技術と使用済みEAの性能向上に重点を置いている。
そこで本研究では,この問題領域におけるnessの知識を特に研究し,可変還元戦略 (vrs) をeasに組み込んでnessを解くことを提案する。
VRSは、NESを表現するシステムを完全に利用し、方程式系に存在する変数関係を通して他の変数(例えば、還元変数)を表現するためにいくつかの変数(コア変数)を使用する。
これにより、部分変数や方程式を減らし、決定空間を縮小し、問題の複雑さを減らし、EAの探索効率を向上させることができる。
本報告では,VRSのNES処理における有効性を検証するために,VRSを既存の2つのEA手法(MONESとDRJADE)に統合する。
実験結果から, EA法はVRSの補助により, 従来の方法や比較手法よりも有意に優れた結果が得られることが示された。
関連論文リスト
- ODE Discovery for Longitudinal Heterogeneous Treatment Effects Inference [69.24516189971929]
本稿では, 閉形式常微分方程式(ODE)という, 縦条件下での新しい解法を提案する。
私たちはまだODEを学ぶために継続的な最適化に依存していますが、結果として生じる推論マシンはもはやニューラルネットワークではありません。
論文 参考訳（メタデータ） (2024-03-16T02:07:45Z) - Using AI libraries for Incompressible Computational Fluid Dynamics [0.7734726150561089]
本稿では,AIソフトウェアとハードウェアの両方のパワーを数値モデリングの分野に持ち込む新しい手法を提案する。
提案手法を用いて, 対流拡散方程式, 非線型バーガース方程式, ブラフ体を過ぎる非圧縮性流れを解く。
論文 参考訳（メタデータ） (2024-02-27T22:00:50Z) - Multi-Grade Deep Learning for Partial Differential Equations with
Applications to the Burgers Equation [3.5994228506864405]
本稿では,非線形偏微分方程式(PDE)を解くための多段階深層学習法を開発する。
ディープニューラルネットワーク(DNN)は、PDEを解く上で非常にパフォーマンスが高い。
本稿では, 1次元, 2次元, 3次元バーガース方程式にのみ焦点をあてる。
論文 参考訳（メタデータ） (2023-09-14T03:09:58Z) - Directed Acyclic Graphs With Tears [8.774590352292932]
DAGs with Tearsはmix-integerプログラミングに基づく新しいタイプの構造学習である。
本研究では,課題1の理由を理論的に分析し,混合整数計画法に基づくDAGs with Tears法という新しい手法を提案する。
さらに, 先行知識を新たな手法に取り入れることで, 産業プロセスにおいて構造学習をより実用的で有用なものにすることができる。
論文 参考訳（メタデータ） (2023-02-04T13:00:52Z) - PI-VAE: Physics-Informed Variational Auto-Encoder for stochastic
differential equations [2.741266294612776]
我々は、物理学インフォームド・ニューラルネットワーク(PI-VAE)と呼ばれる新しいタイプの物理インフォームド・ニューラルネットワークを提案する。
PI-VAEは、システム変数とパラメータのサンプルを生成する変分オートエンコーダ(VAE)で構成されている。
提案手法の精度と効率を,物理インフォームド生成対向ネットワーク (PI-WGAN) と比較して数値的に検証した。
論文 参考訳（メタデータ） (2022-03-21T21:51:19Z) - Stochastic Gradient Descent-Ascent: Unified Theory and New Efficient
Methods [73.35353358543507]
SGDA(Gradient Descent-Ascent)は、min-max最適化と変分不等式問題(VIP)を解くための最も顕著なアルゴリズムの1つである。
本稿では,多種多様な降下指数法を網羅した統合収束解析を提案する。
本研究では,新しい分散化手法 (L-SVRGDA) や,新しい分散圧縮方式 (QSGDA, DIANA-SGDA, VR-DIANA-SGDA) ,座標ランダム化方式 (SEGA-SGDA) など,SGDAの新しい変種を開発した。
論文 参考訳（メタデータ） (2022-02-15T09:17:39Z) - Message Passing Neural PDE Solvers [60.77761603258397]
我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。
本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。
本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
論文 参考訳（メタデータ） (2022-02-07T17:47:46Z) - Directed percolation and numerical stability of simulations of digital
memcomputing machines [8.761355402590105]
DMM(Digital memcomputing Machine)は、最適化問題を解決するために設計された新しい非解決型マシンである。
これらのマシンは、メモリを持つ連続時間非量子力学系で物理的に実現することができる。
多くの困難問題の解は、DMMのODEを数値的に統合することによって報告されている。
論文 参考訳（メタデータ） (2021-02-06T09:44:28Z) - An Online Method for A Class of Distributionally Robust Optimization
with Non-Convex Objectives [54.29001037565384]
本稿では,オンライン分散ロバスト最適化(DRO)のクラスを解決するための実用的なオンライン手法を提案する。
本研究は,ネットワークの堅牢性向上のための機械学習における重要な応用を実証する。
論文 参考訳（メタデータ） (2020-06-17T20:19:25Z) - Physarum Powered Differentiable Linear Programming Layers and
Applications [48.77235931652611]
一般線形プログラミング問題に対する効率的かつ微分可能な解法を提案する。
本稿では,ビデオセグメンテーションタスクとメタラーニングにおける問題解決手法について述べる。
論文 参考訳（メタデータ） (2020-04-30T01:50:37Z)
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。