Fugu-MT 論文翻訳(概要): A Surrogate-Assisted Variable Grouping Algorithm for General Large Scale Global Optimization Problems

論文の概要: A Surrogate-Assisted Variable Grouping Algorithm for General Large Scale Global Optimization Problems

arxiv url: http://arxiv.org/abs/2101.07430v1
Date: Tue, 19 Jan 2021 02:57:44 GMT
ステータス: 処理完了
システム内更新日: 2023-04-14 18:18:26.219193
Title: A Surrogate-Assisted Variable Grouping Algorithm for General Large Scale Global Optimization Problems
Title（参考訳）: 大規模大域最適化問題に対するサロゲート支援可変グルーピングアルゴリズム
Authors: An Chen, Zhigang Ren, Muyi Wang, Yongsheng Liang, Hanqing Liu, Wenhao Du
Abstract要約: 本研究では,サロゲート支援可変グルーピング(SVG)と呼ばれる新しい分解アルゴリズムを提案する。 SVGはまず、変数の最適値が他の変数と変化するかどうかに応じて、一般的な分離性指向の検出基準を設計する。原価の高い高次元モデルではなく、代用モデルの助けを借りて変数の最適性を求める。
参考スコア（独自算出の注目度）: 6.458244750197639
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Problem decomposition plays a vital role when applying cooperative coevolution (CC) to large scale global optimization problems. However, most learning-based decomposition algorithms either only apply to additively separable problems or face the issue of false separability detections. Directing against these limitations, this study proposes a novel decomposition algorithm called surrogate-assisted variable grouping (SVG). SVG first designs a general-separability-oriented detection criterion according to whether the optimum of a variable changes with other variables. This criterion is consistent with the separability definition and thus endows SVG with broad applicability and high accuracy. To reduce the fitness evaluation requirement, SVG seeks the optimum of a variable with the help of a surrogate model rather than the original expensive high-dimensional model. Moreover, it converts the variable grouping process into a dynamic-binary-tree search one, which facilitates reutilizing historical separability detection information and thus reducing detection times. To evaluate the performance of SVG, a suite of benchmark functions with up to 2000 dimensions, including additively and non-additively separable ones, were designed. Experimental results on these functions indicate that, compared with six state-of-the-art decomposition algorithms, SVG possesses broader applicability and competitive efficiency. Furthermore, it can significantly enhance the optimization performance of CC.
Abstract（参考訳）: 大規模グローバル最適化問題に協調的共進化(CC)を適用する際には,問題分解が重要な役割を果たす。しかし、ほとんどの学習に基づく分解アルゴリズムは、加法的に分離可能な問題のみに適用するか、偽の分離可能性検出の問題に直面する。そこで本研究では,代用変数グループ化(SVG)と呼ばれる新しい分解アルゴリズムを提案する。 svgはまず、変数の最適値が他の変数と変化するかどうかに応じて、一般分離性指向検出基準を設計する。この基準は分離性の定義と一致しており、SVGは広く適用可能で高精度である。適合性評価の要求を減らすため、SVGは原価の高い高次元モデルではなく、代用モデルの助けを借りて変数の最適性を求める。さらに、可変グループ化プロセスを動的二元木探索に変換し、履歴分離性検出情報を再利用し、検出時間を短縮する。 svgの性能を評価するために、付加的および非付加的分離可能なものを含む最大2000次元のベンチマーク関数のスイートが設計された。これらの関数に対する実験結果から,6つの最先端分解アルゴリズムと比較して,SVGはより広い適用性と競争効率を有することが示された。さらに、CCの最適化性能を大幅に向上させることができる。

関連論文リスト

Annealed Stein Variational Gradient Descent for Improved Uncertainty Estimation in Full-Waveform Inversion [25.714206592953545]
変分推論 (VI) は、パラメトリックまたは非パラメトリックな提案分布の形で後部分布に近似的な解を与える。本研究は、フルウェーブフォーム・インバージョンにおけるVIの性能向上を目的としている。
論文参考訳（メタデータ） (2024-10-17T06:15:26Z)
Approximation-Aware Bayesian Optimization [34.56666383247348]
高次元ベイズ最適化(BO)タスクは、意味のある結果を得る前に10,000の関数評価を必要とすることが多い。本稿では,小変動ガウス過程 (SVGP) をBOの目標とよく一致させるために修正する。ユーティリティ校正変分推論の枠組みを用いて,GP近似とデータ取得を共同最適化問題に統一する。
論文参考訳（メタデータ） (2024-06-06T17:55:02Z)
A Composite Decomposition Method for Large-Scale Global Optimization [30.040728803996256]
グループ化の効率性と精度は最適化プロセスの性能に大きく影響した。本稿では,GSG法をシームレスに統合したCSG法を提案する。 CSGはGSGや最先端DGシリーズの設計と比較して計算量が少なく、より正確な変数グループ化を実現している。
論文参考訳（メタデータ） (2024-03-02T12:12:04Z)
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)
Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
論文参考訳（メタデータ） (2023-01-15T16:19:18Z)
Exploring the Algorithm-Dependent Generalization of AUPRC Optimization with List Stability [107.65337427333064]
AUPRC(Area Under the Precision-Recall Curve)の最適化は、機械学習にとって重要な問題である。本研究では, AUPRC最適化の単依存一般化における最初の試行について述べる。 3つの画像検索データセットの実験は、我々のフレームワークの有効性と健全性に言及する。
論文参考訳（メタデータ） (2022-09-27T09:06:37Z)
Incremental Recursive Ranking Grouping for Large Scale Global Optimization [2.8360662552057323]
大規模グローバル最適化(LSGO)では、問題は高次元である。 LSGO問題をサブプロブレムに分解し,個別に最適化することが有効であった。多くの最先端分解戦略は微分グルーピング(DG)から導かれる。本稿では,この欠陥に悩まされないインクリメンタル再帰的ランク付けグループ(IRRG)を提案する。
論文参考訳（メタデータ） (2022-06-08T21:16:42Z)
Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
論文参考訳（メタデータ） (2022-04-08T20:46:16Z)
Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文参考訳（メタデータ） (2020-12-29T04:08:38Z)
Efficient Consensus Model based on Proximal Gradient Method applied to Convolutional Sparse Problems [2.335152769484957]
我々は、勾配近似(PG)アプローチに基づく効率的なコンセンサスアルゴリズムの理論解析を導出し、詳述する。提案アルゴリズムは、異常検出タスクに対する別の特別な畳み込み問題にも適用できる。
論文参考訳（メタデータ） (2020-11-19T20:52:48Z)
Stochastic batch size for adaptive regularization in deep network optimization [63.68104397173262]
ディープラーニングフレームワークにおける機械学習問題に適用可能な適応正規化を取り入れた一階最適化アルゴリズムを提案する。一般的なベンチマークデータセットに適用した従来のネットワークモデルに基づく画像分類タスクを用いて,提案アルゴリズムの有効性を実証的に実証した。
論文参考訳（メタデータ） (2020-04-14T07:54:53Z)

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。

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。