論文の概要: Approximate Novelty Search

• arxiv url: http://arxiv.org/abs/2105.07691v1
• Date: Mon, 17 May 2021 09:21:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-18 23:31:31.711566
• Title: Approximate Novelty Search
• Title（参考訳）: 近似ノベルティ探索
• Authors: Anubhav Singh, Nir Lipovetzky, Miquel Ramirez, Javier Segovia-Aguas
• Abstract要約: 幅に基づく探索アルゴリズムは、好ましく定義された新規性の尺度に従って状態を優先順位付けすることで計画を求める。 新規性および幅に基づく探索の近似を得るための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 7.57024681220677
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Width-based search algorithms seek plans by prioritizing states according to a suitably defined measure of novelty, that maps states into a set of novelty categories. Space and time complexity to evaluate state novelty is known to be exponential on the cardinality of the set. We present novel methods to obtain polynomial approximations of novelty and width-based search. First, we approximate novelty computation via random sampling and Bloom filters, reducing the runtime and memory footprint. Second, we approximate the best-first search using an adaptive policy that decides whether to forgo the expansion of nodes in the open list. These two techniques are integrated into existing width-based algorithms, resulting in new planners that perform significantly better than other state-of-the-art planners over benchmarks from the International Planning Competitions.
• Abstract（参考訳）: 幅に基づく探索アルゴリズムは、状態が一組の新規性カテゴリにマップされる、適切に定義された新規性の尺度に従って状態を優先順位付けして計画を求める。 状態の新規性を評価する空間と時間複雑性は、集合の濃度に指数関数的であることが知られている。 本稿では,新奇性と幅に基づく探索の多項式近似を求める新しい手法を提案する。 まず、ランダムサンプリングとブルームフィルタによる新規性計算を近似し、実行時間とメモリフットプリントを削減する。 第2に、オープンリストのノード拡張を強制するかを決定する適応ポリシーを用いて、ベストファースト検索を近似する。 これら2つのテクニックは、既存の幅ベースのアルゴリズムに統合され、国際計画コンペティションのベンチマークよりも、最先端のプランナーよりも優れたパフォーマンスを持つ新しいプランナーが生まれる。

関連論文リスト

• Count-based Novelty Exploration in Classical Planning [5.893124686141782]
  本稿では,一定数の新規性を持つ状態空間を探索することを目的とした,新しい新規性手法,古典的カウントベースノベルティを提案する。 また,ノードによって一定サイズを刈り取ることで,一定サイズを維持したトリミングオープンリストの形で,新規なコントリビューションも導入する。
  論文  参考訳（メタデータ） (2024-08-25T04:25:10Z)
• Optimistic Query Routing in Clustering-based Approximate Maximum Inner Product Search [9.01394829787271]
  クラスタリングに基づく最大内部積探索(MIPS)におけるルーティングの問題について検討する。 最大内積を楽観的に推定するために,各シャード内の内積分布のモーメントを組み込んだ新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-20T17:47:18Z)
• AdaSub: Stochastic Optimization Using Second-Order Information in Low-Dimensional Subspaces [0.0]
  本稿では,低次元部分空間における2階情報に基づく探索方向の探索アルゴリズムであるAdaSubを紹介する。 一階法と比較して、二階法は収束特性が優れているが、繰り返しごとにヘッセン行列を計算する必要があるため、計算コストが過大になる。 予備的な数値結果から、AdaSubは所定の精度に達するのに必要なイテレーションの時間と回数で、一般的なイテレーションを超越していることが示される。
  論文  参考訳（メタデータ） (2023-10-30T22:24:23Z)
• DeciLS-PBO: an Effective Local Search Method for Pseudo-Boolean Optimization [10.513103815142731]
  PBO(Pseudo-Boolean Optimization)の解法における局所探索アルゴリズムの改良法について検討する。 我々のアルゴリズムであるDeciLS-PBOは最先端のアルゴリズムと比較して有望な性能を持つ。
  論文  参考訳（メタデータ） (2023-01-28T17:03:56Z)
• 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)
• Planning for Novelty: Width-Based Algorithms for Common Problems in Control, Planning and Reinforcement Learning [6.053629733936546]
  幅に基づくアルゴリズムは、状態の新規性の一般的な定義を通じて解を探索する。 これらのアルゴリズムは、古典的な計画において最先端のパフォーマンスをもたらすことが示されている。
  論文  参考訳（メタデータ） (2021-06-09T07:46:19Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Sub-linear Regret Bounds for Bayesian Optimisation in Unknown Search Spaces [63.22864716473051]
  本稿では,反復により探索空間を拡大(およびシフト)する新しいBOアルゴリズムを提案する。 理論的には、どちらのアルゴリズムにおいても、累積的後悔は線形以下の速度で増大する。
  論文  参考訳（メタデータ） (2020-09-05T14:24:40Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)
• Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
  このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。 我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。 得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
  論文  参考訳（メタデータ） (2020-02-21T17:45:32Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。