論文の概要: Fairly Constricted Multi-Objective Particle Swarm Optimization
- arxiv url: http://arxiv.org/abs/2104.10040v4
- Date: Sun, 13 Nov 2022 12:47:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 05:37:47.392920
- Title: Fairly Constricted Multi-Objective Particle Swarm Optimization
- Title(参考訳): 公正な制約付き多目的粒子群最適化
- Authors: Anwesh Bhattacharya, Snehanshu Saha, Nithin Nagaraj
- Abstract要約: 我々は、指数的平均運動量(EM)を組み込むことで、多目的最適化(MOO)解法(SMPSO)の状態を拡張した。
提案手法は、ZDT, DTLZ, WFG問題スイート間でのSMPSOの性能に一致し、特定のインスタンスにおいてさらに優れる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: It has been well documented that the use of exponentially-averaged momentum
(EM) in particle swarm optimization (PSO) is advantageous over the vanilla PSO
algorithm. In the single-objective setting, it leads to faster convergence and
avoidance of local minima. Naturally, one would expect that the same advantages
of EM carry over to the multi-objective setting. Hence, we extend the state of
the art Multi-objective optimization (MOO) solver, SMPSO, by incorporating EM
in it. As a consequence, we develop the mathematical formalism of constriction
fairness which is at the core of extended SMPSO algorithm. The proposed solver
matches the performance of SMPSO across the ZDT, DTLZ and WFG problem suites
and even outperforms it in certain instances.
- Abstract(参考訳): 粒子群最適化(PSO)における指数的平均運動量(EM)の使用は、バニラPSOアルゴリズムよりも有利である。
単一目的の設定では、局所的なミニマの収束と回避が速くなる。
当然、EMの同じ利点が多目的設定へと続くと期待される。
そこで我々は,emを組み込むことにより,多目的最適化(moo)ソルバsmpsoの状態を拡張した。
その結果,拡張SMPSOアルゴリズムのコアとなる制約フェアネスの数学的定式化を開発した。
提案手法は、ZDT, DTLZ, WFG問題スイート間でのSMPSOの性能に一致し、特定のインスタンスにおいてさらに優れる。
関連論文リスト
- Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-04T01:47:37Z) - PAO: A general particle swarm algorithm with exact dynamics and
closed-form transition densities [0.0]
粒子群最適化(PSO)アプローチは多くの応用分野において非常に効果的であることが証明されている。
本研究では, PSOアルゴリズムの高一般性, 解釈可能な変種であるパーティクル・アトラクター・アルゴリズム (PAO) を提案する。
論文 参考訳(メタデータ) (2023-04-28T16:19:27Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳(メタデータ) (2022-10-27T01:58:10Z) - Born-Infeld (BI) for AI: Energy-Conserving Descent (ECD) for
Optimization [0.0]
強混合(カオス)状態におけるエネルギー保存ハミルトン力学に基づくフレームワークとその重要な性質を解析的・数値的に紹介する。
プロトタイプは、目的関数に依存するボルン=インフェルド力学の離散化を確立する。
論文 参考訳(メタデータ) (2022-01-26T19:00:05Z) - Optimization on manifolds: A symplectic approach [127.54402681305629]
本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。
我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
論文 参考訳(メタデータ) (2021-07-23T13:43:34Z) - Minimax Optimization with Smooth Algorithmic Adversaries [59.47122537182611]
対戦相手が展開するスムーズなアルゴリズムに対して,Min-playerの新しいアルゴリズムを提案する。
本アルゴリズムは,制限周期のない単調進行を保証し,適切な勾配上昇数を求める。
論文 参考訳(メタデータ) (2021-06-02T22:03:36Z) - Permutation Invariant Policy Optimization for Mean-Field Multi-Agent
Reinforcement Learning: A Principled Approach [128.62787284435007]
本稿では,平均場近似ポリシ最適化(MF-PPO)アルゴリズムを提案する。
我々は,MF-PPOが収束のサブ線形速度で世界的最適政策を達成することを証明した。
特に、置換不変ニューラルアーキテクチャによって引き起こされる誘導バイアスは、MF-PPOが既存の競合より優れていることを示す。
論文 参考訳(メタデータ) (2021-05-18T04:35:41Z) - A Swarm Variant for the Schr\"odinger Solver [0.0]
本稿では, ニューラルネットワークの微分自由導関数として, Exponentially Averaged Momentum Particle Swarm Optimization (EM-PSO) を適用する。
PSOの主な利点は、探索空間探索や、アダムのような勾配の輝きに比べて、局所的なミニマによる強靭性である。
論文 参考訳(メタデータ) (2021-04-10T15:51:36Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z)
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。