論文の概要: Fast Immune System Inspired Hypermutation Operators for Combinatorial
Optimisation
- arxiv url: http://arxiv.org/abs/2009.00990v1
- Date: Tue, 1 Sep 2020 16:22:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 00:53:36.168641
- Title: Fast Immune System Inspired Hypermutation Operators for Combinatorial
Optimisation
- Title（参考訳）: 組換え最適化のための高速免疫システムによるハイパーミューテーション演算子
- Authors: D. Corus, P. S. Oliveto, D. Yazdani
- Abstract要約: 突然変異ポテンシャルを持つ従来のハイパーミューテーションの修正を提案する。
完全標準Opt-IA AISの分析において,HMP演算子と従来の演算子との優位性を示す。
- 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: Various studies have shown that immune system inspired hypermutation
operators can allow artificial immune systems (AIS) to be very efficient at
escaping local optima of multimodal optimisation problems. However, this
efficiency comes at the expense of considerably slower runtimes during the
exploitation phase compared to standard evolutionary algorithms. We propose
modifications to the traditional `hypermutations with mutation potential' (HMP)
that allow them to be efficient at exploitation as well as maintaining their
effective explorative characteristics. Rather than deterministically evaluating
fitness after each bit-flip of a hypermutation, we sample the fitness function
stochastically with a `parabolic' distribution which allows the `stop at first
constructive mutation' (FCM) variant of HMP to reduce the linear amount of
wasted function evaluations when no improvement is found to a constant. The
stochastic distribution also allows the removal of the FCM mechanism altogether
as originally desired in the design of the HMP operators. We rigorously prove
the effectiveness of the proposed operators for all the benchmark functions
where the performance of HMP is rigorously understood in the literature and
validating the gained insights to show linear speed-ups for the identification
of high quality approximate solutions to classical NP-Hard problems from
combinatorial optimisation. We then show the superiority of the HMP operators
to the traditional ones in an analysis of the complete standard Opt-IA AIS,
where the stochastic evaluation scheme allows HMP and ageing operators to work
in harmony. Through a comparative performance study of other `fast mutation'
operators from the literature, we conclude that a power-law distribution for
the parabolic evaluation scheme is the best compromise in black box scenarios
where little problem knowledge is available.
- Abstract（参考訳）: 様々な研究により、免疫系がインスパイアされた過変化オペレーターは、人工免疫システム(ais)がマルチモーダル最適化問題の局所的オプティマを逃がすのに非常に効率的であることが示されている。
しかし、この効率性は、標準的な進化アルゴリズムと比較して、エクスプロイションフェーズではかなり遅いランタイムを犠牲にしている。
本研究では,従来のHMP(Hymermutation with mutation potential)を改良し,それらの有効爆発特性の維持と有効利用を可能にした。
ハイパーミューテーションの各ビットフリップ後の適合度を決定的に評価する代わりに、HMPの'第一構成突然変異' (FCM) 変種を許容する「パラボリックな」分布を用いてフィットネス関数を確率的にサンプリングし、改善が見つからなかった場合の無駄関数評価の線形量を削減する。
確率分布は、もともとHMP演算子の設計において望まれていたように、FCM機構を完全に除去することを可能にする。
hmpの性能が文献で厳密に理解されているすべてのベンチマーク関数に対して,提案手法の有効性を厳密に証明し,得られた知見を検証し,組合せ最適化によるnp-hard問題に対する高品質近似解の同定のための線形速度アップを示す。
次に,HMP演算子と従来の演算子との優位性を示すとともに,確率的評価法によりHMP演算子と老化演算子が調和して動作することを示す。
論文から得られた他の「高速突然変異」演算子の比較実験を通じて、パラボリック評価スキームのパワーロー分布は、ほとんど問題知識が得られないブラックボックスのシナリオにおいて最良の妥協である、と結論付けている。
関連論文リスト
- Sample-efficient Bayesian Optimisation Using Known Invariances [56.34916328814857]
バニラと制約付きBOアルゴリズムは、不変目的を最適化する際の非効率性を示す。
我々はこれらの不変カーネルの最大情報ゲインを導出する。
核融合炉用電流駆動システムの設計に本手法を用い, 高性能溶液の探索を行った。
論文 参考訳（メタデータ） (2024-10-22T12:51:46Z) - Testing the Efficacy of Hyperparameter Optimization Algorithms in Short-Term Load Forecasting [0.0]
我々は、Panaama Electricityデータセットを用いて、サロゲート予測アルゴリズムであるXGBoostのHPOアルゴリズムの性能を、精度(MAPE、$R2$)とランタイムで評価する。
その結果,Random SearchよりもHPOアルゴリズムが優れていることがわかった。
論文 参考訳（メタデータ） (2024-10-19T09:08:52Z) - Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。
従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文 参考訳（メタデータ） (2024-02-05T02:54:50Z) - Continuous optimization by quantum adaptive distribution search [0.7332146059733189]
量子適応分布探索(QuADS)を導入する。
QuADSはGrover Adaptive Search(GAS)と共分散行列適応-進化戦略(CMA-ES)を統合した。
数値実験により、QuADSはGASとCMA-ESの両方に優れていた。
論文 参考訳（メタデータ） (2023-11-29T04:48:09Z) - Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
統計的決定論の研究からシャノンエントロピーの一般化を考える。
まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。
次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
論文 参考訳（メタデータ） (2022-10-04T04:43:58Z) - Capacity Optimality of OAMP in Coded Large Unitarily Invariant Systems [9.101719525164803]
本稿では、単位不変感センサ行列、任意の信号分布、前方誤り制御(FEC)符号化を含む単位不変システム(LUIS)について検討する。
最適化符号を用いたOAMPは、最適化されていない符号とよく知られたTurbo linear MMSEアルゴリズムよりも大幅に性能が向上していることを示す。
論文 参考訳（メタデータ） (2022-06-23T13:11:20Z) - Enhancing Explainability of Hyperparameter Optimization via Bayesian
Algorithm Execution [13.037647287689438]
部分依存プロットのような解釈可能な機械学習(IML)手法とHPOの組み合わせについて検討する。
我々は,最適大域的予測性能を効率的に探索する改良HPO法を提案する。
提案手法は,最適化性能を損なうことなく,ブラックボックスの信頼性の高い説明を返す。
論文 参考訳（メタデータ） (2022-06-11T07:12:04Z) - Towards Learning Universal Hyperparameter Optimizers with Transformers [57.35920571605559]
我々は,テキストベースのトランスフォーマーHPOフレームワークであるOptFormerを紹介した。
実験の結果,OptFormerは少なくとも7種類のHPOアルゴリズムを模倣できることがわかった。
論文 参考訳（メタデータ） (2022-05-26T12:51:32Z) - Trusted-Maximizers Entropy Search for Efficient Bayesian Optimization [39.824086260578646]
本稿では,信頼度最大化エントロピー探索(TES)取得関数を提案する。
インプットがクエリの情報ゲインにどの程度貢献するかを、信頼された最大値の有限セット上で測定する。
論文 参考訳（メタデータ） (2021-07-30T07:25:07Z) - Permutation Invariant Policy Optimization for Mean-Field Multi-Agent
Reinforcement Learning: A Principled Approach [128.62787284435007]
本稿では,平均場近似ポリシ最適化(MF-PPO)アルゴリズムを提案する。
我々は,MF-PPOが収束のサブ線形速度で世界的最適政策を達成することを証明した。
特に、置換不変ニューラルアーキテクチャによって引き起こされる誘導バイアスは、MF-PPOが既存の競合より優れていることを示す。
論文 参考訳（メタデータ） (2021-05-18T04:35:41Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。