論文の概要: Particle Swarm Optimization: Development of a General-Purpose Optimizer
- arxiv url: http://arxiv.org/abs/2101.09835v1
- Date: Mon, 25 Jan 2021 00:35:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 00:48:06.348614
- Title: Particle Swarm Optimization: Development of a General-Purpose Optimizer
- Title（参考訳）: 粒子群最適化:汎用最適化器の開発
- Authors: Mauro S. Innocente, Johann Sienz
- Abstract要約: 粒子群最適化(PSO)法は、多くの類似性のため、別の進化的アルゴリズムと見なされることがある。
本稿では, パラメータのチューニングがシステムの動作に与える影響, 検出した解の信頼性を推定し, 計算コストを抑えるための停止基準の設計について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Traditional methods present a very restrictive range of applications, mainly
limited by the features of the function to be optimized and of the constraint
functions. In contrast, evolutionary algorithms present almost no restriction
to the features of these functions, although the most appropriate
constraint-handling technique is still an open question. The particle swarm
optimization (PSO) method is sometimes viewed as another evolutionary algorithm
because of their many similarities, despite not being inspired by the same
metaphor. Namely, they evolve a population of individuals taking into
consideration previous experiences and using stochastic operators to introduce
new responses. The advantages of evolutionary algorithms with respect to
traditional methods have been greatly discussed in the literature for decades.
While all such advantages are valid when comparing the PSO paradigm to
traditional methods, its main advantages with respect to evolutionary
algorithms consist of its noticeably lower computational cost and easier
implementation. In fact, the plain version can be programmed in a few lines of
code, involving no operator design and few parameters to be tuned. This paper
deals with three important aspects of the method: the influence of the
parameters' tuning on the behaviour of the system; the design of stopping
criteria so that the reliability of the solution found can be somehow estimated
and computational cost can be saved; and the development of appropriate
techniques to handle constraints, given that the original method is designed
for unconstrained optimization problems.
- Abstract（参考訳）: 従来の手法では、最適化される関数の特徴と制約関数によって、非常に制限された範囲のアプリケーションが存在する。
対照的に、進化的アルゴリズムはこれらの関数の特徴にほとんど制限を示さないが、最も適切な制約処理技術は未解決の問題である。
粒子群最適化(pso)法は、同じメタファーに触発されてはいないが、その多くの類似性から、しばしば別の進化的アルゴリズムと見なされる。
すなわち、以前の経験を考慮し、確率演算子を用いて新しい反応を導入する個人集団を進化させる。
従来の手法に関する進化的アルゴリズムの利点は、数十年にわたって文献で大いに議論されてきた。
PSOパラダイムを従来の手法と比較する場合、これらの利点はすべて有効であるが、進化的アルゴリズムに対する主な利点は、計算コストが著しく低く、実装が容易であることである。
実際、プレーンバージョンは数行のコードでプログラムでき、演算子の設計や調整すべきパラメータはほとんど含まれない。
本稿では, パラメータのチューニングがシステムの動作に及ぼす影響, 解の信頼性を何らかの形で推定し, 計算コストを節約するための停止基準の設計, 制約に対処するための適切な手法の開発について述べる。
関連論文リスト
- Learning Joint Models of Prediction and Optimization [56.04498536842065]
Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。
本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
論文 参考訳（メタデータ） (2024-09-07T19:52:14Z) - 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) - Socio-cognitive Optimization of Time-delay Control Problems using
Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。
本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文 参考訳（メタデータ） (2022-10-23T22:21:10Z) - 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) - Distributed Evolution Strategies for Black-box Stochastic Optimization [42.90600124972943]
この研究は、分散ブラックボックス最適化への進化的アプローチに関するものである。
各作業者は、アルゴリズムによる問題の近似を個別に解くことができる。
問題のロバスト性を大幅に改善する2つの代替シミュレーション手法を提案する。
論文 参考訳（メタデータ） (2022-04-09T11:18:41Z) - On Constraints in First-Order Optimization: A View from Non-Smooth
Dynamical Systems [99.59934203759754]
本稿では,スムーズな制約付き最適化のための一階法について紹介する。
提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。
結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
論文 参考訳（メタデータ） (2021-07-17T11:45:13Z) - Population-Based Methods: PARTICLE SWARM OPTIMIZATION -- Development of
a General-Purpose Optimizer and Applications [0.0]
この論文は、不等式制約を受ける連続、静的、単目的の最適化問題に関係している。
粒子群最適化のパラダイムは、社会で観察された協調行動の以前のシミュレーションから着想を得たものである。
論文 参考訳（メタデータ） (2021-01-25T09:36:25Z) - 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) - Constraint-Handling Techniques for Particle Swarm Optimization
Algorithms [0.0]
人口ベースの手法は、従来の方法よりもはるかに複雑な問題を含む、さまざまな問題に対処することができる。
本研究の目的は,アルゴリズムに汎用的な設定を組み込んだPSOに適したCHTを開発し,比較することである。
論文 参考訳（メタデータ） (2021-01-25T01:49:10Z) - A Study of the Fundamental Parameters of Particle Swarm Optimizers [0.0]
集団ベースのアルゴリズムは、適応をほとんど、あるいは全く行わずに、異なる最適化問題を扱うことができる。
主な欠点は、計算コストが比較的高く、等式制約を扱うのが困難であることである。
本稿では,粒子の速度更新方程式のパラメータ設定が系の挙動に及ぼす影響を論じる。
論文 参考訳（メタデータ） (2021-01-25T01:18:34Z) - Divide and Learn: A Divide and Conquer Approach for Predict+Optimize [50.03608569227359]
予測+最適化問題は、予測係数を使用する最適化プロブレムと、確率係数の機械学習を組み合わせる。
本稿では, 予測係数を1次線形関数として, 最適化問題の損失を直接表現する方法を示す。
本稿では,この制約を伴わずに最適化問題に対処し,最適化損失を用いてその係数を予測する新しい分割アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-04T00:26:56Z)
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。