論文の概要: A continuous-state cellular automata algorithm for global optimization

• arxiv url: http://arxiv.org/abs/2103.02076v1
• Date: Tue, 2 Mar 2021 23:01:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-09 11:55:28.375194
• Title: A continuous-state cellular automata algorithm for global optimization
• Title（参考訳）: グローバル最適化のための連続状態セルオートマトンアルゴリズム
• Authors: Juan Carlos Seck-Tuoh-Mora, Norberto Hernandez-Romero, Pedro Lagos-Eulogio, Joselito Medina-Marin, Nadia Samantha Zu\~niga-Pe\~na
• Abstract要約: 連続状態セルオートマトンアルゴリズム(CCAA)を提案する。 CCAAは、異なる進化規則を利用して、各イテレーションにおける探索とエクスプロイト特性を最大化するバランスを維持する。 CCAAの効率性は、文献で広く使われている33の試験問題、最近の文献で使われた4つの工学的応用、適応無限インパルス応答(IIR)フィルタの設計で証明されている。
• 参考スコア（独自算出の注目度）: 5.4190302742931395
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cellular automata are capable of developing complex behaviors based on simple local interactions between their elements. Some of these characteristics have been used to propose and improve meta-heuristics for global optimization; however, the properties offered by the evolution rules in cellular automata have not yet been used directly in optimization tasks. Inspired by the complexity that various evolution rules of cellular automata can offer, the continuous-state cellular automata algorithm (CCAA) is proposed. In this way, the CCAA takes advantage of different evolution rules to maintain a balance that maximizes the exploration and exploitation properties in each iteration. The efficiency of the CCAA is proven with 33 test problems widely used in the literature, 4 engineering applications that were also used in recent literature, and the design of adaptive infinite-impulse response (IIR) filters, testing 10 full-order IIR reference functions. The numerical results prove its competitiveness in comparison with state-of-the-art algorithms. The source codes of the CCAA are publicly available at https://github.com/juanseck/CCAA.git
• Abstract（参考訳）: セルオートマトンは、それらの要素間の単純な局所的な相互作用に基づいて複雑な振る舞いを発達させることができる。 これらの特徴のいくつかは、グローバル最適化のためのメタヒューリスティックの提案と改善に使われてきたが、セルオートマトンにおける進化規則によって提供される特性は、まだ直接最適化タスクに使われていない。 セルオートマトンの様々な進化規則がもたらす複雑さに触発されて、連続状態セルオートマトンアルゴリズム(CCAA)が提案されている。 このようにして、CCAAは異なる進化規則を利用して、各イテレーションにおける探索と利用特性を最大化するバランスを維持する。 CCAAの効率性は、文献で広く使われている33の試験問題、最近の文献でも使われている4つの工学的応用、適応無限インパルス応答(IIR)フィルタの設計、フルオーダーIIR参照関数10の試験で証明されている。 計算結果は、最先端のアルゴリズムと比較して、その競合性を証明している。 CCAAのソースコードはhttps://github.com/juanseck/CCAA.gitで公開されている。

関連論文リスト

• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [60.05963742334746]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• Fast Genetic Algorithm for feature selection -- A qualitative approximation approach [5.279268784803583]
  本稿では,遺伝的アルゴリズム(GA)を特徴選択に用いることによって生じる計算問題に対処するための,2段階の代理支援進化的アプローチを提案する。 我々はCHCQXがより高速に収束し、特に100K以上のインスタンスを持つ大規模データセットにおいて、非常に高い精度でサブセットソリューションを特徴付けることを示した。
  論文  参考訳（メタデータ） (2024-04-05T10:15:24Z)
• AGD: an Auto-switchable Optimizer using Stepwise Gradient Difference for Preconditioning Matrix [9.629238108795013]
  本稿では,2段階の勾配差を対角線要素として利用して,プレコンディショニング行列の設計手法を提案する。 我々は、自然言語処理(NLP)、コンピュータビジョン(CV)、レコメンデーションシステム(RecSys)の一般化に関するAGDの評価を行った。 実験の結果,AGDは最先端技術(SOTA)よりも優れており,高い競争力や予測性能が向上していることがわかった。
  論文  参考訳（メタデータ） (2023-12-04T06:20:14Z)
• The FAIRy Tale of Genetic Algorithms [1.0957528713294875]
  Findable、Accessible、Interoperable、Reusable(FAIR)のデータ原則を拡張して、アルゴリズムの遺伝的および再使用を可能にしました。 我々は,GAの方法論的展開と変種について概説し,適切なソースの再現や発見を困難にしている。 この作業は、多数の機械学習アルゴリズム/メソッドに拡張することができる。
  論文  参考訳（メタデータ） (2023-04-29T11:36:09Z)
• Performance Embeddings: A Similarity-based Approach to Automatic Performance Optimization [71.69092462147292]
  パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。 本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
  論文  参考訳（メタデータ） (2023-03-14T15:51:35Z)
• Near-optimal Policy Identification in Active Reinforcement Learning [84.27592560211909]
  AE-LSVI はカーネル化された最小二乗値 RL (LSVI) アルゴリズムの新しい変種であり、楽観主義と悲観主義を組み合わせて活発な探索を行う。 AE-LSVIは初期状態に対するロバスト性が必要な場合、様々な環境で他のアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-19T14:46:57Z)
• 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)
• Large-scale Optimization of Partial AUC in a Range of False Positive Rates [51.12047280149546]
  ROC曲線 (AUC) の下の領域は、機械学習において最も広く使われている分類モデルのパフォーマンス指標の1つである。 近年の封筒平滑化技術に基づく効率的な近似勾配降下法を開発した。 提案アルゴリズムは,効率のよい解法を欠くランク付けされた範囲損失の和を最小化するためにも利用できる。
  論文  参考訳（メタデータ） (2022-03-03T03:46:18Z)
• Adaptive Approach For Sparse Representations Using The Locally Competitive Algorithm For Audio [5.6394515393964575]
  本稿ではガンマチャープのパラメータを最適化するための適応的アプローチを提案する。 提案手法はLCAのニューラルネットワークを利用してガンマチャープのフィルタバンクを自動的に適応する。 以上の結果から, このアプローチによるLCAの性能向上は, スパーシリティ, 再建品質, 収束時間の観点から示される。
  論文  参考訳（メタデータ） (2021-09-29T20:26:16Z)
• Self-Adjusting Evolutionary Algorithms for Multimodal Optimization [0.0]
  自己調整および自己適応機構は、二進探索空間の進化的アルゴリズムにおける静的設定よりも確実に優れている。 我々は、既存の進化アルゴリズムのモジュールとして追加できる、停滞検出と呼ばれるメカニズムを提案する。
  論文  参考訳（メタデータ） (2020-04-07T11:02:10Z)
• Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
  本稿では,ミリ波通信網における車とセルの関連性について検討する。 まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。 提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
  論文  参考訳（メタデータ） (2020-01-22T08:51:05Z)

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。