Fugu-MT 論文翻訳(概要): Pareto Optimization for Subset Selection with Dynamic Partition Matroid Constraints

論文の概要: Pareto Optimization for Subset Selection with Dynamic Partition Matroid Constraints

arxiv url: http://arxiv.org/abs/2012.08738v1
Date: Wed, 16 Dec 2020 04:27:45 GMT
ステータス: 処理完了
システム内更新日: 2023-04-20 11:30:05.088153
Title: Pareto Optimization for Subset Selection with Dynamic Partition Matroid Constraints
Title（参考訳）: 動的分割マトロイド制約を用いたサブセット選択のためのパレート最適化
Authors: Anh Viet Do, Frank Neumann
Abstract要約: 分割マトロイド制約下でのサブモジュラーあるいはモノトーン目的関数による部分集合選択問題について検討する。このような問題に対して有効であることを示す単純な最適化手法であるPOMCに焦点をあてる。我々の分析は特異な制約問題から分離し、複数の制約の問題にまで拡張する。
参考スコア（独自算出の注目度）: 16.691265882753346
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we consider the subset selection problems with submodular or monotone discrete objective functions under partition matroid constraints where the thresholds are dynamic. We focus on POMC, a simple Pareto optimization approach that has been shown to be effective on such problems. Our analysis departs from singular constraint problems and extends to problems of multiple constraints. We show that previous results of POMC's performance also hold for multiple constraints. Our experimental investigations on random undirected maxcut problems demonstrate POMC's competitiveness against the classical GREEDY algorithm with restart strategy.
Abstract（参考訳）: 本研究では,閾値が動的である分割マトロイド制約の下で,部分モジュラあるいは単調な離散目的関数に対する部分集合選択問題を考察する。このような問題に対して有効であることを示す単純なPareto最適化手法であるPOMCに焦点をあてる。解析は特異制約問題から外れ,複数の制約問題へと拡張する。 POMCの性能の以前の結果は、複数の制約にも当てはまることを示す。ランダムな無方向性の最大カット問題に対する実験研究は、再起動戦略を持つ古典的GREEDYアルゴリズムに対するPOMCの競合性を実証している。

関連論文リスト

Consistent Submodular Maximization [27.266085572522847]
定性制約下での単調部分モジュラ関数の最大化は、データマイニングや機械学習におけるいくつかの応用において古典的な最適化課題である。本稿では, 安定解を持ちながら, ストリーミング方式で要素が到着し, 最適解に対する定数近似が維持されるという, 一貫性の制約のある動的環境において, この問題を考察する。この設定では、一貫性と近似品質のトレードオフが異なるアルゴリズムを提供しています。
論文参考訳（メタデータ） (2024-05-30T11:59:58Z)
UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文参考訳（メタデータ） (2024-05-01T09:34:42Z)
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)
Optimizing Chance-Constrained Submodular Problems with Variable Uncertainties [12.095075636344536]
本稿では,制約付き多種多様な問題を捕捉する,確率制約付き部分モジュラー最適化問題について検討する。所与の最適解に対する定数近似比という,高品質な解を得ることのできるグリーディアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-23T04:48:49Z)
Analysis of the (1+1) EA on LeadingOnes with Constraints [17.800340821052462]
進化的アルゴリズムが古典的LeadingOnes問題の制約されたバージョンをどのように最適化するかを検討する。その結果,アルゴリズムの挙動は一様制約の制約境界に大きく依存していることがわかった。
論文参考訳（メタデータ） (2023-05-29T17:40:52Z)
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)
Scalable Uni-directional Pareto Optimality for Multi-Task Learning with Constraints [4.4044968357361745]
制約下での最適化を含む多目的(MOO)問題に対するスケーラブルなMOOソルバを提案する。この重要な応用は、ニューラル分類タスクの高次元ランタイムを推定することである。
論文参考訳（メタデータ） (2021-10-28T21:35:59Z)
Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文参考訳（メタデータ） (2020-07-07T21:26:35Z)
Maximizing Submodular or Monotone Functions under Partition Matroid Constraints by Multi-objective Evolutionary Algorithms [16.691265882753346]
GSEMOと呼ばれる単純な進化的アルゴリズムは、部分モジュラ函数の近似を効率的に行うことが示されている。我々は理論結果を拡張し、濃度制約を一般化するマトロイド制約を分割する。
論文参考訳（メタデータ） (2020-06-23T05:37:29Z)
Constrained episodic reinforcement learning in concave-convex and knapsack settings [81.08055425644037]
コンケーブ報酬と凸制約のある設定に対して、強力な理論的保証を持つモジュラー解析を提供する。実験により,提案アルゴリズムは既存の制約付きエピソード環境において,これらの手法を著しく上回ることを示した。
論文参考訳（メタデータ） (2020-06-09T05:02:44Z)
Multi-Task Multicriteria Hyperparameter Optimization [77.34726150561087]
この記事は最適なハイパーパラメータを選択する問題に関する数学的定式化から始まる。この問題を解決するMTMC法の手順を述べる。提案手法は畳み込みニューラルネットワークを用いて画像分類問題に対して評価する。
論文参考訳（メタデータ） (2020-02-15T12:47:53Z)

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。