論文の概要: ASBSO: An Improved Brain Storm Optimization With Flexible Search Length
and Memory-Based Selection
- arxiv url: http://arxiv.org/abs/2101.11275v2
- Date: Mon, 1 Mar 2021 03:08:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 20:20:48.077470
- Title: ASBSO: An Improved Brain Storm Optimization With Flexible Search Length
and Memory-Based Selection
- Title（参考訳）: asbso:フレキシブルな検索長とメモリベースの選択によるブレインストーム最適化
- Authors: Yang Yu, Shangce Gao, Yirui Wang, Jiujun Cheng and Yuki Todo
- Abstract要約: 適応的なステップ長構造と成功メモリ選択戦略をBSOに組み込むことを提案する。
ASBSOの検索能力をテストするために57のベンチマーク関数が使用される。
実世界の4つの問題が応用価値を示すために採用されている。
- 参考スコア（独自算出の注目度）: 12.052171868006138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Brain storm optimization (BSO) is a newly proposed population-based
optimization algorithm, which uses a logarithmic sigmoid transfer function to
adjust its search range during the convergent process. However, this adjustment
only varies with the current iteration number and lacks of flexibility and
variety which makes a poor search effciency and robustness of BSO. To alleviate
this problem, an adaptive step length structure together with a success memory
selection strategy is proposed to be incorporated into BSO. This proposed
method, adaptive step length based on memory selection BSO, namely ASBSO,
applies multiple step lengths to modify the generation process of new
solutions, thus supplying a flexible search according to corresponding problems
and convergent periods. The novel memory mechanism, which is capable of
evaluating and storing the degree of improvements of solutions, is used to
determine the selection possibility of step lengths. A set of 57 benchmark
functions are used to test ASBSO's search ability, and four real-world problems
are adopted to show its application value. All these test results indicate the
remarkable improvement in solution quality, scalability, and robustness of
ASBSO.
- Abstract（参考訳）: brain storm optimization (bso) は、対数型sgmoid transfer関数を用いて収束過程における探索範囲を調整する、新しく提案された人口ベースの最適化アルゴリズムである。
しかし、この調整は、現在のイテレーション番号と柔軟性と多様性の欠如によってのみ変化し、bsoの検索効率と堅牢性に乏しい。
この問題を軽減するため、BSOに組み込むために、適応的なステップ長構造と成功メモリ選択戦略を提案する。
提案手法は,メモリ選択BSOに基づく適応的なステップ長,すなわちASBSOを用いて,新たな解の生成過程を変更することで,対応する問題や収束周期に応じて柔軟な探索を行う。
解の改良度を評価し記憶することができる新規なメモリ機構を用いて、ステップ長の選択可能性を決定する。
ASBSOの検索能力をテストするために57のベンチマーク関数が使用され、実際の4つの問題が応用価値を示すために採用されている。
これらのテスト結果は、ASBSOのソリューション品質、スケーラビリティ、堅牢性を著しく改善したことを示している。
関連論文リスト
- BalMCTS: Balancing Objective Function and Search Nodes in MCTS for
Constraint Optimization Problems [7.196057722218442]
制約問題最適化(COP)は、通常ブランチ・アンド・バウンド(B&B)法によって解決される問題において、複雑な課題を提起する。
COPを解くための深度優先探索アルゴリズムに基づく新しいニューラルネットワークアルゴリズムを提案する。
提案手法は,最初の5つの実現可能な解のうち17.63%未満のギャップを有する実現可能な解を同定する。
論文 参考訳（メタデータ） (2023-12-26T03:09:08Z) - Non-Convex Bilevel Optimization with Time-Varying Objective Functions [57.299128109226025]
本稿では,時間変化の可能なオンライン二段階最適化を提案し,エージェントがオンラインデータを用いて決定を継続的に更新する。
既存のアルゴリズムと比較して、SOBOWは計算効率が良く、以前の関数を知る必要がない。
軽度条件下では,SOBOWはサブリニアな局所的後悔を達成できることを示す。
論文 参考訳（メタデータ） (2023-08-07T06:27:57Z) - 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) - Revisiting GANs by Best-Response Constraint: Perspective, Methodology,
and Application [49.66088514485446]
ベストレスポンス制約(Best-Response Constraint、BRC)は、ジェネレータのディスクリミネータへの依存性を明示的に定式化する一般的な学習フレームワークである。
モチベーションや定式化の相違があっても, フレキシブルBRC法により, 様々なGANが一様に改善できることが示される。
論文 参考訳（メタデータ） (2022-05-20T12:42:41Z) - Fast Feature Selection with Fairness Constraints [49.142308856826396]
モデル構築における最適特徴の選択に関する基礎的問題について検討する。
この問題は、greedyアルゴリズムの変種を使用しても、大規模なデータセットで計算的に困難である。
適応クエリモデルは,最近提案された非モジュラー関数に対する直交整合探索のより高速なパラダイムに拡張する。
提案アルゴリズムは、適応型クエリモデルにおいて指数関数的に高速な並列実行を実現する。
論文 参考訳（メタデータ） (2022-02-28T12:26:47Z) - VNE Strategy based on Chaotic Hybrid Flower Pollination Algorithm
Considering Multi-criteria Decision Making [12.361459296815559]
仮想ネットワーク埋め込み (Virtual Network Embedding, VNE) 問題に対するハイブリッド花の受粉アルゴリズムの設計戦略について論じる。
クロス操作は、グローバル検索を完了させるためにクロスポリン化操作を置き換えるために使用される。
従来のフィットネスベースの選択戦略の補完としてライフサイクルメカニズムが導入されている。
論文 参考訳（メタデータ） (2022-02-07T00:57:00Z) - Learning the Step-size Policy for the Limited-Memory
Broyden-Fletcher-Goldfarb-Shanno Algorithm [3.7470451129384825]
本稿では,L-BFGSアルゴリズムのステップサイズポリシの学習方法について考察する。
入力として電流勾配の局所的な情報を用いたニューラルネットワークアーキテクチャを提案する。
ステップ長ポリシは、同様の最適化問題のデータから学習され、目的関数のさらなる評価を回避し、出力ステップが予め定義された間隔内に留まることを保証します。
論文 参考訳（メタデータ） (2020-10-03T09:34:03Z) - Efficient Incremental Modelling and Solving [1.6172800007896284]
AI計画問題を解決するための標準的なアプローチは、計画の地平線を漸進的に拡張し、特定の長さの計画を見つけようとする問題の解決である。
この研究の貢献は、SATソルバと自動モデリングシステムSaveile Rowのネイティブインタラクションを可能にすることである。
論文 参考訳（メタデータ） (2020-09-23T12:40:23Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - AdaS: Adaptive Scheduling of Stochastic Gradients [50.80697760166045]
我々は、textit "knowledge gain" と textit "mapping condition" の概念を導入し、Adaptive Scheduling (AdaS) と呼ばれる新しいアルゴリズムを提案する。
実験によると、AdaSは派生した指標を用いて、既存の適応学習手法よりも高速な収束と優れた一般化、そして(b)いつトレーニングを中止するかを決定するための検証セットへの依存の欠如を示す。
論文 参考訳（メタデータ） (2020-06-11T16:36:31Z)
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。