論文の概要: Salp Swarm Optimization: a Critical Review

• arxiv url: http://arxiv.org/abs/2106.01900v2
• Date: Sat, 6 Nov 2021 11:07:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 23:21:38.961760
• Title: Salp Swarm Optimization: a Critical Review
• Title（参考訳）: salp swarm optimization: 批判的なレビュー
• Authors: Mauro Castelli, Luca Manzoni, Luca Mariot, Marco S. Nobile, Andrea Tangherloni
• Abstract要約: サルプ群最適化(Salp Swarm Optimization, SSO)アルゴリズムは、サルプコロニーの特異な空間配置に着想を得たアルゴリズムである。 オリジナルの作品はいくつかの概念的および数学的欠陥によって特徴づけられ、この主題に関するすべての論文に影響を及ぼした。 我々はSSOの批判的なレビューを行い、文献に現れるすべての問題と、このアルゴリズムによって実行される最適化プロセスに対する負の影響を強調した。
• 参考スコア（独自算出の注目度）: 11.635069132259757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the crowded environment of bio-inspired population-based metaheuristics, the Salp Swarm Optimization (SSO) algorithm recently appeared and immediately gained a lot of momentum. Inspired by the peculiar spatial arrangement of salp colonies, which are displaced in long chains following a leader, this algorithm seems to provide an interesting optimization performance. However, the original work was characterized by some conceptual and mathematical flaws, which influenced all ensuing papers on the subject. In this manuscript, we perform a critical review of SSO, highlighting all the issues present in the literature and their negative effects on the optimization process carried out by this algorithm. We also propose a mathematically correct version of SSO, named Amended Salp Swarm Optimizer (ASSO) that fixes all the discussed problems. We benchmarked the performance of ASSO on a set of tailored experiments, showing that it is able to achieve better results than the original SSO. Finally, we performed an extensive study aimed at understanding whether SSO and its variants provide advantages compared to other metaheuristics. The experimental results, where SSO cannot outperform simple well-known metaheuristics, suggest that the scientific community can safely abandon SSO.
• Abstract（参考訳）: バイオインスパイアされた個体群に基づくメタヒューリスティックスの混在環境において、Salp Swarm Optimization (SSO)アルゴリズムが最近登場し、すぐに多くの勢いを得た。 リードに続く長い鎖に置き換わるサルプコロニーの特異な空間配置にインスパイアされたこのアルゴリズムは、興味深い最適化性能を提供するように思われる。 しかし、原著はいくつかの概念的および数学的欠陥によって特徴づけられ、それに続く全ての論文に影響を与えた。 本論文では,SSOの批判的レビューを行い,本アルゴリズムが実施する最適化プロセスにおける文献上の問題とその悪影響について概説する。 また,SSO の数学的に正しいバージョンである Amended Salp Swarm Optimizer (ASSO) を提案する。 我々は、ASSOの性能を一連の調整実験でベンチマークし、元のSSOよりも優れた結果が得られることを示した。 最後に,SSOとその変異体が他のメタヒューリスティックスと比較して有利であるかどうかを理解することを目的とした広範な研究を行った。 SSOが単純な既知のメタヒューリスティックを上回り得ない実験結果は、科学界がSSOを安全に放棄できることを示唆している。

関連論文リスト

• Orthogonally Initiated Particle Swarm Optimization with Advanced Mutation for Real-Parameter Optimization [0.04096453902709291]
  本稿では,多角形PSO(orthogonal PSO with Mutation,OPSO-m)と呼ばれる拡張粒子群(PSO)を紹介する。 PSOのための改良された初期Swarmを育むための配列ベースの学習手法を提案し、Swarmベースの最適化アルゴリズムの適応性を大幅に向上させた。 この記事はさらに、人口を正規グループとエリートグループに分割する、アーカイブベースの自己適応学習戦略を提示する。
  論文  参考訳（メタデータ） (2024-05-21T07:16:20Z)
• Beyond Single-Model Views for Deep Learning: Optimization versus Generalizability of Stochastic Optimization Algorithms [13.134564730161983]
  本稿では、勾配降下(SGD)とその変種に着目し、ディープラーニングの最適化に新しいアプローチを採用する。 我々はSGDとその変種がSAMのような平らなミニマと同等の性能を示すことを示した。 本研究は、トレーニング損失とホールドアウト精度の関係、およびSGDとノイズ対応変種の性能について、いくつかの重要な知見を明らかにした。
  論文  参考訳（メタデータ） (2024-03-01T14:55:22Z)
• 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)
• 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)
• Federated Compositional Deep AUC Maximization [58.25078060952361]
  本研究では,曲線(AUC)のスコアを直接最適化することにより,不均衡なデータに対する新しいフェデレート学習法を開発した。 私たちの知る限りでは、このような好ましい理論的な結果を達成した最初の作品である。
  論文  参考訳（メタデータ） (2023-04-20T05:49:41Z)
• 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)
• Optimizer Amalgamation [124.33523126363728]
  私たちは、Amalgamationという新しい問題の研究を動機付けています。"Teacher"アマルガメーションのプールを、より強力な問題固有のパフォーマンスを持つ単一の"学生"にどのように組み合わせるべきなのでしょうか? まず、勾配降下による解析のプールをアマルガメートする3つの異なるメカニズムを定義する。 また, プロセスの分散を低減するため, 目標を摂動させることでプロセスの安定化を図る。
  論文  参考訳（メタデータ） (2022-03-12T16:07:57Z)
• Chaos inspired Particle Swarm Optimization with Levy Flight for Genome Sequence Assembly [0.0]
  本稿では、置換最適化問題に対処するため、新しいPSOの変種を提案する。 PSOはChaos and Levy Flight (ランダムウォークアルゴリズム)と統合され、アルゴリズムの探索と利用能力のバランスをとる。 論文で提案する他のPSOの変種と比較して,提案手法の性能を評価するための実証実験を行った。
  論文  参考訳（メタデータ） (2021-10-20T15:24:27Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)
• An Asymptotically Optimal Multi-Armed Bandit Algorithm and Hyperparameter Optimization [48.5614138038673]
  本稿では,高パラメータ探索評価のシナリオにおいて,SS (Sub-Sampling) と呼ばれる効率的で堅牢な帯域幅に基づくアルゴリズムを提案する。 また,BOSSと呼ばれる新しいパラメータ最適化アルゴリズムを開発した。 実験的な研究は、SSの理論的議論を検証し、多くのアプリケーションにおけるBOSSの優れた性能を実証する。
  論文  参考訳（メタデータ） (2020-07-11T03:15:21Z)
• Cat Swarm Optimization Algorithm -- A Survey and Performance Evaluation [0.9990687944474739]
  Cat Swarm Optimization (CSO)アルゴリズムは、頑健で強力なメタヒューリスティックなSwarmベースの最適化手法である。 本稿では,CSOアルゴリズムの詳細な調査と性能評価を行う。
  論文  参考訳（メタデータ） (2020-01-10T18:18:05Z)

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。