論文の概要: Improving Solution Quality of Bounded Max-Sum Algorithm to Solve DCOPs
involving Hard and Soft Constraints
- arxiv url: http://arxiv.org/abs/2012.01369v1
- Date: Wed, 2 Dec 2020 18:10:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-30 05:03:11.580315
- Title: Improving Solution Quality of Bounded Max-Sum Algorithm to Solve DCOPs
involving Hard and Soft Constraints
- Title(参考訳): ハードおよびソフト制約を含むDCOP解法における有界マックスサムアルゴリズムの解法品質の改善
- Authors: Md. Musfiqur Rahman, Mashrur Rashik, Md. Mamun-or-Rashid and Md.
Mosaddek Khan
- Abstract要約: BMS (Bunded Max-Sum) は、分散化調整問題の特定の形態に対する近似解を提供するメッセージパッシングアルゴリズムである。
特に、BMSアルゴリズムは、計算コストを犠牲にして、大規模な検索空間を持つこのタイプの問題を解くことができる。
- 参考スコア(独自算出の注目度): 3.0969191504482243
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Bounded Max-Sum (BMS) is a message-passing algorithm that provides
approximation solution to a specific form of de-centralized coordination
problems, namely Distributed Constrained Optimization Problems (DCOPs). In
particular, BMS algorithm is able to solve problems of this type having large
search space at the expense of low computational cost. Notably, the traditional
DCOP formulation does not consider those constraints that must be
satisfied(also known as hard constraints), rather it concentrates only on soft
constraints. Hence, although the presence of both types of constraints are
observed in a number of real-world applications, the BMS algorithm does not
actively capitalize on the hard constraints. To address this issue, we tailor
BMS in such a way that can deal with DCOPs having both type constraints. In so
doing, our approach improves the solution quality of the algorithm. The
empirical results exhibit a marked improvement in the quality of the solutions
of large DCOPs.
- Abstract(参考訳): BMS(Bunded Max-Sum)は、分散制約最適化問題(DCOP)という分散最適化問題の特定の形態に対する近似解を提供するメッセージパッシングアルゴリズムである。
特に、BMSアルゴリズムは、計算コストを犠牲にして、大規模な検索空間を持つこのタイプの問題を解くことができる。
特に、従来のDCOPの定式化は、満たさなければならない制約(ハード制約とも呼ばれる)を考慮せず、ソフトな制約のみに集中している。
したがって、両方のタイプの制約の存在は多くの実世界のアプリケーションで観察されるが、bmsアルゴリズムはハード制約を積極的に活用していない。
この問題に対処するため、型制約の両方を持つDCOPに対処できる方法でBMSを調整します。
このようにして、我々のアプローチはアルゴリズムの解の質を改善します。
実験の結果, 大規模DCOP溶液の品質は著しく向上した。
関連論文リスト
- Evolutionary Algorithm with Detection Region Method for Constrained Multi-Objective Problems with Binary Constraints [9.764702512419946]
本稿では,検出領域法に基づくDRMCMOと呼ばれる新しいアルゴリズムを提案する。
DRMCMOでは、検出領域は収束を高めるために実現可能なソリューションを動的に監視し、住民が局所的最適から逃れるのを助ける。
バイナリ制約のあるCMOPのベンチマークテスト問題として、既存の3つのテストスイートを変更しました。
論文 参考訳(メタデータ) (2024-11-13T08:39:04Z) - A Primal-Dual-Assisted Penalty Approach to Bilevel Optimization with Coupled Constraints [66.61399765513383]
We developed a BLOCC algorithm to tackle BiLevel Optimization problems with Coupled Constraints。
2つのよく知られた実世界のアプリケーションでその効果を実証する。
論文 参考訳(メタデータ) (2024-06-14T15:59:36Z) - Solution to Advanced Manufacturing Process Problems using Cohort
Intelligence Algorithm with Improved Constraint Handling Approaches [0.07989135005592125]
コホートインテリジェンス(CI)アルゴリズムは、設計、製造、サプライチェーン、医療などの領域から制約のない現実の問題を解決するために、社会にインスパイアされた最適化手法である。
論文 参考訳(メタデータ) (2023-10-16T05:40:23Z) - On the Global Solution of Soft k-Means [159.23423824953412]
本稿では,ソフトk-平均問題の解法を全世界で提案する。
ミニマルボリュームソフトkMeans (MVSkM) と呼ばれる新しいモデルを提案する。
論文 参考訳(メタデータ) (2022-12-07T12:06:55Z) - Learning to Optimize with Stochastic Dominance Constraints [103.26714928625582]
本稿では,不確実量を比較する問題に対して,単純かつ効率的なアプローチを開発する。
我々はラグランジアンの内部最適化をサロゲート近似の学習問題として再考した。
提案したライト-SDは、ファイナンスからサプライチェーン管理に至るまで、いくつかの代表的な問題において優れた性能を示す。
論文 参考訳(メタデータ) (2022-11-14T21:54:31Z) - Optimal Solutions for Joint Beamforming and Antenna Selection: From
Branch and Bound to Machine Learning [47.10315221141495]
本研究は、不完全なチャネル状態情報(CSI)の下で、継手ビームフォーミング(BF)とアンテナ選択(AS)の問題およびロバストビームフォーミング(RBF)バージョンを再検討する。
この研究の主な貢献は3つある。まず、関心事の問題を解決する効果的な分岐と境界(B&B)フレームワークを提案する。
第二に、潜在的にコストのかかるB&Bアルゴリズムを高速化するために、B&B検索ツリーの中間状態を省略する機械学習(ML)ベースのスキームが提案されている。
論文 参考訳(メタデータ) (2022-06-11T17:43:02Z) - A Particle Swarm Inspired Approach for Continuous Distributed Constraint
Optimization Problems [7.512486812178571]
連続DCOPは連続変数で問題を明示的にモデル化することができる。
C-DCOPを解くための最先端のアプローチは、面倒なメモリか計算オーバーヘッドのいずれかを経験する。
そこで我々は,Particle Swarm Optimization(PSO)にインスパイアされた新しいC-DCOPアルゴリズム,すなわちParticle Swarm Optimization Based C-DCOP(PCD)を提案する。
論文 参考訳(メタデータ) (2020-10-20T11:04:47Z) - On Population-Based Algorithms for Distributed Constraint Optimization
Problems [12.21350091202884]
我々は、人口ベースのアルゴリズムとして広く呼ばれる、新しい不完全アルゴリズムのクラスについて研究する。
最初のアプローチであるAnytime Evolutionary DCOP(AED)は、進化最適化メタヒューリスティックを利用してDCOPを解く。
第2のコントリビューションでは、人口ベースのアプローチと局所的な検索アプローチを組み合わせることができることを示す。
論文 参考訳(メタデータ) (2020-09-02T06:39:30Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2020-07-14T12:38:21Z) - The limits of min-max optimization algorithms: convergence to spurious
non-critical sets [82.74514886461257]
min-max最適化アルゴリズムは周期サイクルや同様の現象が存在するため、はるかに大きな問題に遭遇する。
問題のどの点も引き付けないアルゴリズムが存在することを示す。
ほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほぼほとんどである。
論文 参考訳(メタデータ) (2020-06-16T10:49:27Z) - A Constraint Driven Solution Model for Discrete Domains with a Case
Study of Exam Timetabling Problems [6.788217433800101]
知的制約処理進化アルゴリズム (ICHEA) のバリエーションは, ベンチマーク試験の時間変化問題を解決するために実証されている。
ICHEAはまず、与えられた制約をすべて段階的に満たすために結婚間クロスオーバー演算子を使用し、その後、ソリューションを最適化するために従来の演算子と拡張演算子の組み合わせを使用する。
論文 参考訳(メタデータ) (2020-02-08T06:53:38Z)
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。