論文の概要: Particle Swarm Optimization: Fundamental Study and its Application to Optimization and to Jetty Scheduling Problems

• arxiv url: http://arxiv.org/abs/2101.11096v1
• Date: Mon, 25 Jan 2021 02:06:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 00:22:02.723005
• Title: Particle Swarm Optimization: Fundamental Study and its Application to Optimization and to Jetty Scheduling Problems
• Title（参考訳）: particle swarm optimization:基礎研究とその最適化とjettyスケジューリング問題への応用
• Authors: Johann Sienz, Mauro S. Innocente
• Abstract要約: 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。
• 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: The advantages of evolutionary algorithms with respect to traditional methods have been greatly discussed in the literature. While particle swarm optimizers share such advantages, they outperform evolutionary algorithms in that they require lower computational cost and easier implementation, involving no operator design and few coefficients to be tuned. However, even marginal variations in the settings of these coefficients greatly influence the dynamics of the swarm. Since this paper does not intend to study their tuning, general-purpose settings are taken from previous studies, and virtually the same algorithm is used to optimize a variety of notably different problems. Thus, following a review of the paradigm, the algorithm is tested on a set of benchmark functions and engineering problems taken from the literature. Later, complementary lines of code are incorporated to adapt the method to combinatorial optimization as it occurs in scheduling problems, and a real case is solved using the same optimizer with the same settings. The aim is to show the flexibility and robustness of the approach, which can handle a wide variety of problems.
• Abstract（参考訳）: 従来の手法に対する進化的アルゴリズムの利点は文献で大きく議論されている。 パーティクルスワムオプティマイザはそのような利点を共有しているが、計算コストが低く、実装が容易で、演算子の設計や調整する係数が少ないため、進化的アルゴリズムよりも優れている。 しかし、これらの係数の設定の限界変動でさえ、スワムの力学に大きな影響を及ぼす。 本論文はチューニングを意図しないため,従来の研究から汎用的な設定を取り出し,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。 したがって、このパラダイムをレビューした後、アルゴリズムは一連のベンチマーク関数と、文献から取られた工学的問題に基づいてテストされる。 その後、スケジューリング問題で発生する組合せ最適化にこの方法を適用するために補完的なコード行が組み込まれ、同じ設定で同じオプティマイザを使用して実際のケースが解決される。 目的は、様々な問題に対処できるアプローチの柔軟性と堅牢性を示すことである。

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)
• 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)
• 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)
• Surrogate-based optimization for variational quantum algorithms [0.0]
  変分量子アルゴリズム(英: Variational quantum algorithm)は、短期量子コンピュータで使用される技術の一種である。 実験的な測定をほとんど行わない変分回路のサロゲートモデルの学習について紹介する。 次に、元のデータとは対照的に、これらのモデルを用いてパラメータ最適化を行う。
  論文  参考訳（メタデータ） (2022-04-12T00:15:17Z)
• Quantum variational optimization: The role of entanglement and problem hardness [0.0]
  本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。 数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。 リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
  論文  参考訳（メタデータ） (2021-03-26T14:06:54Z)
• 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)
• Particle Swarm Optimization: Development of a General-Purpose Optimizer [0.0]
  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。
  論文  参考訳（メタデータ） (2021-01-25T00:35:18Z)
• 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)
• Using models to improve optimizers for variational quantum algorithms [1.7475326826331605]
  変分量子アルゴリズムは、ノイズの多い中間スケール量子コンピュータの初期応用の第一候補である。 これらのアルゴリズムは、パラメータ化量子回路の機能を最小化する古典的な最適化外ループに依存している。 本稿では,2つの最適化手法を導入し,その性能を今日の一般的な手法と数値的に比較する。
  論文  参考訳（メタデータ） (2020-05-22T05:23:23Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。