論文の概要: The Tangent Search Algorithm for Solving Optimization Problems

• arxiv url: http://arxiv.org/abs/2104.02559v1
• Date: Tue, 6 Apr 2021 14:56:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 04:24:43.140368
• Title: The Tangent Search Algorithm for Solving Optimization Problems
• Title（参考訳）: 最適化問題の解法におけるタンジェント探索アルゴリズム
• Authors: Abdesslem Layeb
• Abstract要約: 本稿では,Tangent Search Algorithm (TSA) と呼ばれる新しい集団最適化アルゴリズムを提案する。 TSAは接関数に基づく数学的モデルを用いて、与えられた解をより良い解へ移動させる。 適応的な可変ステップサイズもこのアルゴリズムに統合され、収束能力が向上する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article proposes a new population-based optimization algorithm called the Tangent Search Algorithm (TSA) to solve optimization problems. The TSA uses a mathematical model based on the tangent function to move a given solution toward a better solution. The tangent flight function has the advantage to balance between the exploitation and the exploration search. Moreover, a novel escape procedure is used to avoid to be trapped in local minima. Besides, an adaptive variable step size is also integrated in this algorithm to enhance the convergence capacity. The performance of TSA is assessed in three classes of tests: classical tests, CEC benchmarks, and engineering optimization problems. Moreover, several studies and metrics have been used to observe the behavior of the proposed TSA. The experimental results show that TSA algorithm is capable to provide very promising and competitive results on most benchmark functions thanks to better balance between exploration and exploitation of the search space. The main characteristics of this new optimization algorithm is its simplicity and efficiency and it requires only a small number of user-defined parameters.
• Abstract（参考訳）: 本稿では,タンジェント探索アルゴリズム (tsa) と呼ばれる新しい集団ベース最適化アルゴリズムを提案する。 TSAは、与えられた解をより良い解へ移動させるために、接関数に基づく数学的モデルを使用する。 接線飛行関数は、探査と探査探索のバランスをとる利点がある。 さらに、新しいエスケープ手順を使用して、ローカルなミニマに閉じ込められるのを避ける。 さらに、適応的な可変ステップサイズもこのアルゴリズムに統合され、収束能力が向上する。 TSAの性能は古典的なテスト、CECベンチマーク、エンジニアリング最適化の3つのクラスで評価されている。 さらに,提案するtsaの挙動を観察するために,いくつかの研究や指標が用いられている。 実験の結果,tsaアルゴリズムは検索空間の探索と活用のバランスが良く,多くのベンチマーク関数において非常に有望で競争的な結果を提供できることがわかった。 この新しい最適化アルゴリズムの主な特徴は、単純さと効率性であり、少数のユーザ定義パラメータしか必要としない。

関連論文リスト

• Discovering Preference Optimization Algorithms with and for Large Language Models [50.843710797024805]
  オフライン優先最適化は、LLM(Large Language Model)出力の品質を向上・制御するための重要な手法である。 我々は、人間の介入なしに、新しい最先端の選好最適化アルゴリズムを自動で発見する客観的発見を行う。 実験は、ロジスティックと指数的損失を適応的にブレンドする新しいアルゴリズムであるDiscoPOPの最先端性能を示す。
  論文  参考訳（メタデータ） (2024-06-12T16:58:41Z)
• An enhanced POSTA based on Nelder-Mead simplex search and quadratic interpolation [8.622642118842624]
  状態遷移アルゴリズム(STA)は、大域最適化のためのメタヒューリスティック手法である。 近年,パラメータ最適状態遷移アルゴリズム (POSTA) が提案されている。 POSTAでは、パラメータ選択機構により、拡張演算子、回転演算子、軸受演算子の性能を最適化する。
  論文  参考訳（メタデータ） (2024-04-30T18:15:53Z)
• Trochoid Search Optimization [0.0]
  TSOアルゴリズムは、トロコイドに固有の同時翻訳運動と回転運動のユニークな組み合わせを用いる。 実験的検証により、TSOアルゴリズムは様々なベンチマーク関数に対して顕著な性能を示す。
  論文  参考訳（メタデータ） (2023-12-21T06:02:27Z)
• Efficient Model-Free Exploration in Low-Rank MDPs [76.87340323826945]
  低ランクマルコフ決定プロセスは、関数近似を持つRLに対して単純だが表現力のあるフレームワークを提供する。 既存のアルゴリズムは、(1)計算的に抽出可能であるか、または(2)制限的な統計的仮定に依存している。 提案手法は,低ランクMPPの探索のための最初の実証可能なサンプル効率アルゴリズムである。
  論文  参考訳（メタデータ） (2023-07-08T15:41:48Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Enhanced Teaching-Learning-based Optimization for 3D Path Planning of Multicopter UAVs [2.0305676256390934]
  本稿では,無人航空機(UAV)の新しい経路計画アルゴリズムを提案する。 まず,UAVの移動と安全操作の制約と経路長の要件を組み込んだ目的関数を定義する。 次に, 目的関数の定式化を最小化するために, Multi-subject TLBO というアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-31T16:00:32Z)
• OptABC: an Optimal Hyperparameter Tuning Approach for Machine Learning Algorithms [1.6114012813668934]
  OptABCは、ABCアルゴリズムがほぼ最適解へのより高速な収束を支援するために提案されている。 OptABCは、人工蜂コロニーアルゴリズム、K-Meansクラスタリング、greedyアルゴリズム、および反対ベースの学習戦略を統合している。 実験結果から,OptABCの有効性が文献の既存手法と比較された。
  論文  参考訳（メタデータ） (2021-12-15T22:33:39Z)
• Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
  空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。 これらの問題に対する新規で簡単な最適化法を開発した。 結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2021-09-23T17:38:24Z)
• Dynamic Cat Swarm Optimization Algorithm for Backboard Wiring Problem [0.9990687944474739]
  本稿では,動的キャット群最適化(Dynamic Cat Swarm Optimization)と呼ばれる,強力な群知能メタヒューリスティック最適化アルゴリズムを提案する。 提案アルゴリズムは,アルゴリズムの選択スキームと探索モードを変更することにより,これらの位相間の適切なバランスを与える新しい手法を提案する。 最適化の結果,提案アルゴリズムの有効性が示された。
  論文  参考訳（メタデータ） (2021-04-27T19:41:27Z)
• Balancing Rates and Variance via Adaptive Batch-Size for Stochastic Optimization Problems [120.21685755278509]
  本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。 ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
  論文  参考訳（メタデータ） (2020-07-02T16:02:02Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)

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。