論文の概要: Stagnation Detection in Highly Multimodal Fitness Landscapes
- arxiv url: http://arxiv.org/abs/2104.04395v3
- Date: Thu, 22 Apr 2021 13:58:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 07:43:01.030400
- Title: Stagnation Detection in Highly Multimodal Fitness Landscapes
- Title(参考訳): マルチモーダル・フィトネス景観における静止検出
- Authors: Amirhossein Rajabi and Carsten Witt
- Abstract要約: 局所最適化から逃れるためのランダム化探索のメカニズムとして,定常検出法が提案されている。
本稿では,探索半径をより注意深く制御するために,静止検出に付加できる半径メモリと呼ばれる新しい機構について検討する。
このアイデアはSD-RLS$textm$と呼ばれるアルゴリズムで実装され、それまでのステージング検出の変種と比較して高速化された。
- 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: Stagnation detection has been proposed as a mechanism for randomized search
heuristics to escape from local optima by automatically increasing the size of
the neighborhood to find the so-called gap size, i.e., the distance to the next
improvement. Its usefulness has mostly been considered in simple multimodal
landscapes with few local optima that could be crossed one after another. In
multimodal landscapes with a more complex location of optima of similar gap
size, stagnation detection suffers from the fact that the neighborhood size is
frequently reset to $1$ without using gap sizes that were promising in the
past.
In this paper, we investigate a new mechanism called radius memory which can
be added to stagnation detection to control the search radius more carefully by
giving preference to values that were successful in the past. We implement this
idea in an algorithm called SD-RLS$^{\text{m}}$ and show compared to previous
variants of stagnation detection that it yields speed-ups for linear functions
under uniform constraints and the minimum spanning tree problem. Moreover, its
running time does not significantly deteriorate on unimodal functions and a
generalization of the Jump benchmark. Finally, we present experimental results
carried out to study SD-RLS$^{\text{m}}$ and compare it with other algorithms.
- Abstract(参考訳): ランダム化された探索ヒューリスティックが局所最適から逃れるメカニズムとして,局所的な距離を自動的に拡大して,いわゆるギャップサイズ,すなわち次の改善までの距離を求める機構として,定常検出が提案されている。
その有用性は、局所最適性がほとんどない単純なマルチモーダルな風景において、次々に渡ることができると考えられてきた。
類似のギャップサイズがより複雑な場所にあるマルチモーダルな風景では、停滞検出は、過去に約束されていたギャップサイズを使わずに、近隣のサイズが頻繁に1ドルにリセットされるという事実に悩まされる。
本稿では,過去に成功した値に優先することで探索半径をより注意深く制御するために,スタギネーション検出に付加可能な半径記憶と呼ばれる新しい機構について検討する。
SD-RLS$^{\text{m}}$ というアルゴリズムでこれを実装し,一様制約の下での線形関数の高速化と最小スパンニングツリー問題に対して,従来のスタトネーション検出法と比較した。
さらに、その実行時間は、単調関数とJumpベンチマークの一般化に大きくは影響しない。
最後に,SD-RLS$^{\text{m}}$について実験を行い,他のアルゴリズムと比較した。
関連論文リスト
- ETS: Efficient Tree Search for Inference-Time Scaling [61.553681244572914]
テストタイムの計算スケーリングにおいて有望なアプローチのひとつは、プロセス報酬モデルに対する検索である。
木探索過程における軌跡の多様性は、多様性の増大がさらなる探索を促進するため、探索の精度に影響を与える。
本稿では,冗長なトラジェクトリを抽出し,必要な多様なトラジェクトリを維持しながら,KVの共有を促進する効率的なツリー探索(ETS)を提案する。
論文 参考訳(メタデータ) (2025-02-19T09:30:38Z) - Graspness Discovery in Clutters for Fast and Accurate Grasp Detection [57.81325062171676]
グレープネス(graspness)とは、散らばった場面で把握可能な領域を区別する幾何学的手がかりに基づく品質である。
本研究では,探索過程を近似するカスケード把握モデルを構築した。
大規模なベンチマークであるGraspNet-1Billionの実験では,提案手法が従来の手法よりも大きなマージンで優れていたことが示されている。
論文 参考訳(メタデータ) (2024-06-17T02:06:47Z) - SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small
Target Detector [60.42293239557962]
我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。
新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。
大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
論文 参考訳(メタデータ) (2024-02-08T05:06:14Z) - Adaptive Anytime Multi-Agent Path Finding Using Bandit-Based Large
Neighborhood Search [30.364955687049292]
MAPFはLarge Neborhood Search(LNS)に基づいている
探索を併用したBandit-based Adaptive LArge Neighborhood Search(BALANCE)を提案する。
大規模シナリオでは、最先端のMAPFと比較して、少なくとも50%のコスト改善が実証的に実証されている。
論文 参考訳(メタデータ) (2023-12-28T01:24:42Z) - GBO:AMulti-Granularity Optimization Algorithm via Granular-ball for Continuous Problems [18.229944332377755]
本稿では, グラニュラーボール最適化(GBO)アルゴリズムを新たに提案する。
最適化のために従来の点の代わりにグラニュラーボールを使用すると、ランダム検索プロセスの多様性とロバスト性が増大する。
一般的なベンチマークの実験では、GBOは一般的な進化的アルゴリズムや進化的アルゴリズムよりも優れていることが示されている。
論文 参考訳(メタデータ) (2023-03-18T13:18:21Z) - A Large-scale Multiple-objective Method for Black-box Attack against
Object Detection [70.00150794625053]
我々は、真正の確率を最小化し、偽正の確率を最大化し、より多くの偽正の物体が新しい真正の有界箱を作らないようにする。
我々は、GARSDCと呼ばれるランダム・サブセット選択とディバイド・アンド・コンカーによる標準的な遺伝的アルゴリズムを拡張し、効率を大幅に改善する。
最先端攻撃法と比較して、GARSDCはmAPでは平均12.0、広範囲な実験ではクエリでは約1000倍減少する。
論文 参考訳(メタデータ) (2022-09-16T08:36:42Z) - A Metaheuristic Algorithm for Large Maximum Weight Independent Set
Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。
このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。
我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-03-28T21:34:16Z) - AM-RRT*: Informed Sampling-based Planning with Assisting Metric [3.42658286826597]
複雑な動的環境下でのオンラインパス計画のためのRRT*とRT-RRT*を拡張する新しいアルゴリズムを提案する。
提案手法はRTRに基づくサンプリング手法を拡張して,障害物のある環境における性能向上のためのアシスト距離測定値の活用を可能にする。
論文 参考訳(メタデータ) (2020-10-28T01:39:40Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳(メタデータ) (2020-07-20T12:07:48Z) - Algorithms for Optimizing Fleet Staging of Air Ambulances [0.0]
本研究は、整数線形計画法における最適カバレッジ問題を構成する。
グロビは開発されたモデルでプログラムされ、パフォーマンスに時間を費やした。
ベースランキングを実装したソリューションが作成され、その後、ローカルおよびタブ検索ベースのアルゴリズムが導入された。
論文 参考訳(メタデータ) (2020-01-10T04:32:28Z)
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。