論文の概要: Optimization and benchmarking of the thermal cycling algorithm
- arxiv url: http://arxiv.org/abs/2012.09801v2
- Date: Wed, 8 Sep 2021 15:40:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 08:27:05.638489
- Title: Optimization and benchmarking of the thermal cycling algorithm
- Title（参考訳）: サーマルサイクリングアルゴリズムの最適化とベンチマーク
- Authors: Amin Barzegar, Anuj Kankani, Salvatore Mandr\`a, Helmut G. Katzgraber
- Abstract要約: 最適化問題のほとんどは、不規則に複雑な構造を持ち、不必要なタスクを見つける。
本稿では,非最適化問題におけるエネルギー障壁を温度差で克服するアルゴリズムをベンチマークし,改良する。
並列サイクリングやアイソエネルゲティックな動きなど,最先端のアルゴリズムと密接に競合することを示す。
- 参考スコア（独自算出の注目度）: 0.5879782260984691
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimization plays a significant role in many areas of science and
technology. Most of the industrial optimization problems have inordinately
complex structures that render finding their global minima a daunting task.
Therefore, designing heuristics that can efficiently solve such problems is of
utmost importance. In this paper we benchmark and improve the thermal cycling
algorithm [Phys. Rev. Lett. 79, 4297 (1997)] that is designed to overcome
energy barriers in nonconvex optimization problems by temperature cycling of a
pool of candidate solutions. We perform a comprehensive parameter tuning of the
algorithm and demonstrate that it competes closely with other state-of-the-art
algorithms such as parallel tempering with isoenergetic cluster moves, while
overwhelmingly outperforming more simplistic heuristics such as simulated
annealing.
- Abstract（参考訳）: 最適化は科学技術の多くの分野で重要な役割を果たしている。
産業最適化のほとんどの問題は、不規則に複雑な構造を持ち、地球規模のミニマを見つけるのが大変な作業である。
したがって、そのような問題を効率的に解決できるヒューリスティックを設計することが最も重要である。
本稿では,非凸最適化問題におけるエネルギー障壁の克服を目的とした熱サイクリングアルゴリズム(Phys. Rev. Lett. 79, 4297 (1997))を,候補解プールの温度サイクリングによりベンチマークし,改良する。
シミュレーションアニーリングのような単純化されたヒューリスティックな手法を圧倒的に上回りながら,等エネルギティックなクラスタ移動を伴う並列テンパリングなどの他の最先端アルゴリズムと密接に競合することを示す。
関連論文リスト
- Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。
本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。
合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
論文 参考訳（メタデータ） (2024-11-07T17:05:31Z) - Comparative approach: Electric distribution optimization with loss minimization algorithm and particle swarm optimization [0.0]
電力システムは巨大で複雑であり、多くの予期せぬ出来事の影響を受けやすい。
本稿では,損失最小化アルゴリズムと粒子群最適化アルゴリズムの重要な数学的相似性について,電界分布の性能の観点から概説する。
論文 参考訳（メタデータ） (2024-02-19T18:37:27Z) - Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
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。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Nature-Inspired Algorithms in Optimization: Introduction, Hybridization
and Insights [1.6589012298747952]
ベンチマークは最適化アルゴリズムの性能を評価する上で重要である。
本章では、最適化の概要、自然に触発されたアルゴリズム、ハイブリッド化の役割について論じる。
論文 参考訳（メタデータ） (2023-08-30T11:33:22Z) - Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳（メタデータ） (2023-07-17T20:11:56Z) - 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) - Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。
厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。
このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文 参考訳（メタデータ） (2021-11-29T15:10:09Z) - Particle Swarm Optimization: Fundamental Study and its Application to
Optimization and to Jetty Scheduling Problems [0.0]
従来の手法に関する進化的アルゴリズムの利点は、文献で大いに議論されている。
粒子群はそのような利点を共有しているが、計算コストの低減と実装の容易さが要求されるため、進化的アルゴリズムよりも優れている。
本論文は, それらのチューニングについて検討するものではなく, 従来の研究から汎用的な設定を抽出し, 様々な問題を最適化するために, 事実上同じアルゴリズムを用いている。
論文 参考訳（メタデータ） (2021-01-25T02:06:30Z) - CSCF: a chaotic sine cosine firefly Algorithm for practical application
problems [0.0]
いくつかの最適化アルゴリズム、すなわちファイアフライアルゴリズム、正弦コサインアルゴリズム、粒子群最適化アルゴリズムは、計算複雑性、収束速度などの欠点はほとんどない。
本稿では,最適化問題を解くために,多数の変種を持つ新しいCSCFアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-20T08:54:28Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - A survey on dragonfly algorithm and its applications in engineering [29.190512851078218]
トンボのアルゴリズムは2016年に開発され、研究者が様々な分野の幅広い用途と応用を最適化するために用いたアルゴリズムの1つである。
この研究は、実世界の最適化問題を解決するための手法の頑健さと、複雑な最適化問題を改善するためのその欠如に対処した。
論文 参考訳（メタデータ） (2020-02-19T20:23:26Z)
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。