論文の概要: Principled Design of Translation, Scale, and Rotation Invariant Variation Operators for Metaheuristics

• arxiv url: http://arxiv.org/abs/2105.10657v1
• Date: Sat, 22 May 2021 07:27:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-30 03:14:57.250595
• Title: Principled Design of Translation, Scale, and Rotation Invariant Variation Operators for Metaheuristics
• Title（参考訳）: メタヒューリスティックスのための翻訳・スケール・回転不変変分演算子の原理設計
• Authors: Ye Tian, Xingyi Zhang, Cheng He, Kay Chen Tan, Yaochu Jin
• Abstract要約: 本稿では,探索空間に依存しない新しい演算子を自動設計し,異なる問題に対して堅牢な性能を示すことを目的とする。 導出型汎用形式に基づく高性能演算子を探索する演算子の自動設計のための原理的手法を提案する。 実験の結果,提案手法により生成した演算子は,複雑な景観や最大1000個の決定変数に関する様々な問題において,最先端の演算よりも優れていた。
• 参考スコア（独自算出の注目度）: 24.062774394718662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the past three decades, a large number of metaheuristics have been proposed and shown high performance in solving complex optimization problems. While most variation operators in existing metaheuristics are empirically designed, this paper aims to design new operators automatically, which are expected to be search space independent and thus exhibit robust performance on different problems. For this purpose, this work first investigates the influence of translation invariance, scale invariance, and rotation invariance on the search behavior and performance of some representative operators. Then, we deduce the generic form of translation, scale, and rotation invariant operators. Afterwards, a principled approach is proposed for the automated design of operators, which searches for high-performance operators based on the deduced generic form. The experimental results demonstrate that the operators generated by the proposed approach outperform state-of-the-art ones on a variety of problems with complex landscapes and up to 1000 decision variables.
• Abstract（参考訳）: 過去30年間に多くのメタヒューリスティックが提案され、複雑な最適化問題の解法において高い性能を示した。 既存メタヒューリスティックスにおけるほとんどの変分演算子は経験的に設計されているが、本稿は探索空間に依存しない新しい演算子を自動設計することを目的としており、異なる問題に対して堅牢な性能を示す。 本研究は,まず,いくつかの代表演算子の探索行動と性能に及ぼす翻訳不変性,スケール不変性,回転不変性の影響について検討する。 そして、変換、スケール、回転不変作用素の一般形式を導出する。 その後、導出された汎用形式に基づいて高性能な演算子を探索する演算子の自動設計に原則的アプローチを提案する。 実験の結果,提案手法により生成した演算子は,複雑な景観や最大1000個の決定変数に関する様々な問題において,最先端の演算よりも優れていた。

関連論文リスト

• Disentangled Representation Learning for Parametric Partial Differential Equations [31.240283037552427]
  ニューラル演算子パラメータから不整合表現を学習するための新しいパラダイムを提案する。 DisentangOは、ブラックボックス・ニューラル・オペレーターパラメータに埋め込まれた変動の潜在的物理的要因を明らかにし、取り除くように設計された、新しいハイパーニューラル・オペレーターアーキテクチャである。 本研究では、DentangOが有意義かつ解釈可能な潜在特徴を効果的に抽出し、ニューラルネットワークフレームワークにおける予測性能と身体的理解の分離を橋渡しすることを示す。
  論文  参考訳（メタデータ） (2024-10-03T01:40:39Z)
• Multi-Operational Mathematical Derivations in Latent Space [16.255836734376206]
  数学的操作を明示的な幾何学的変換としてモデル化する、異なる多動作表現パラダイムを導入する。 我々は61Kの前提と6つの演算子からなる1.7Mの導出ステップからなる大規模データセットを構築した。 アーキテクチャの選択は、トレーニングのダイナミクス、構造組織、潜在空間の一般化に大きく影響を与える可能性があることを示す。
  論文  参考訳（メタデータ） (2023-11-02T13:33:07Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Relational Reasoning via Set Transformers: Provable Efficiency and Applications to MARL [154.13105285663656]
  置換不変エージェントフレームワークを用いたMARL(Multi-A gent R einforcement Learning)は,実世界のアプリケーションにおいて大きな実証的成功を収めた。 残念なことに、このMARL問題の理論的理解は、多くのエージェントの呪いと、既存の著作における関係推論の限定的な探索によって欠落している。 モデルフリーアルゴリズムとモデルベースアルゴリズムの最適度差は各エージェント数に独立して対数的であり、多くのエージェントの呪いを和らげる。
  論文  参考訳（メタデータ） (2022-09-20T16:42:59Z)
• Invariant Causal Mechanisms through Distribution Matching [86.07327840293894]
  本研究では、因果的視点と不変表現を学習するための新しいアルゴリズムを提供する。 実験により,このアルゴリズムは様々なタスク群でうまく動作し,特にドメインの一般化における最先端のパフォーマンスを観察する。
  論文  参考訳（メタデータ） (2022-06-23T12:06:54Z)
• Transformer for Partial Differential Equations' Operator Learning [0.0]
  演算子変換器(OFormer)と呼ばれるデータ駆動型演算子学習のための注意ベースのフレームワークを提案する。 我々のフレームワークは、自己注意、クロスアテンション、および一組のポイントワイド多層パーセプトロン(MLP)に基づいて構築されている。
  論文  参考訳（メタデータ） (2022-05-26T23:17:53Z)
• Marginalized Operators for Off-policy Reinforcement Learning [53.37381513736073]
  有理化作用素は、Retraceのような一般的な多段階作用素を特別な場合として厳密に一般化する。 余剰化演算子の推定値がスケーラブルな方法で計算可能であることを示し、また、余剰化重要度サンプリングの事前結果を特別な場合として一般化する。
  論文  参考訳（メタデータ） (2022-03-30T09:59:59Z)
• Resource-Efficient Invariant Networks: Exponential Gains by Unrolled Optimization [8.37077056358265]
  本稿では,最適化に基づく不変ネットワーク構築のための新しい計算プリミティブを提案する。 提案手法の効率向上と音質の実証的,理論的検討を行った。 単純な階層的オブジェクト検出タスクに対して,効率的な不変ネットワークを構築する上で,その有用性を実証する。
  論文  参考訳（メタデータ） (2022-03-09T19:04:08Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Redefining Neural Architecture Search of Heterogeneous Multi-Network Models by Characterizing Variation Operators and Model Components [71.03032589756434]
  複素領域における異なる変動演算子の効果について検討する。 モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
  論文  参考訳（メタデータ） (2021-06-16T17:12:26Z)

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。