論文の概要: Two-phase Optimization of Binary Sequences with Low Peak Sidelobe Level Value

• arxiv url: http://arxiv.org/abs/2107.09801v1
• Date: Wed, 30 Jun 2021 13:59:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-25 14:21:52.385460
• Title: Two-phase Optimization of Binary Sequences with Low Peak Sidelobe Level Value
• Title（参考訳）: 低ピークサイドローブ値2相列の2相最適化
• Authors: Borko Bo\v{s}kovi\'c, Janez Brest
• Abstract要約: 2つのフィットネス関数は、ピークサイドローブレベルが低いシーケンスを見つけるために使用される。 提案アルゴリズムは長さ$L = 2m - 1$,$14 lem le 20$で試験された。
• 参考スコア（独自算出の注目度）: 1.5990720051907859
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The search for binary sequences with low peak sidelobe level value represents a formidable computational problem. To locate better sequences for this problem, we designed a stochastic algorithm that uses two fitness functions. In these fitness functions, the value of the autocorrelation function has a different impact on the final fitness value. It is defined with the value of the exponent over the autocorrelation function values. Each function is used in the corresponding optimization phase, and the optimization process switches between these two phases until the stopping condition is satisfied. The proposed algorithm was implemented using the compute unified device architecture and therefore allowed us to exploit the computational power of graphics processing units. This algorithm was tested on sequences with lengths $L = 2^m - 1$, for $14 \le m \le 20$. From the obtained results it is evident that the usage of two fitness functions improved the efficiency of the algorithm significantly, new-best known solutions were achieved, and the achieved PSL values were significantly less than $\sqrt{L}$.
• Abstract（参考訳）: 低ピークサイドローブレベル値のバイナリシーケンスの探索は、計算上の重大な問題である。 そこで我々は,2つの適合関数を用いた確率的アルゴリズムを設計した。 これらの適合関数において、自己相関関数の値は最終適合値に異なる影響を及ぼす。 これは自己相関関数値に対する指数の値で定義される。 各関数は対応する最適化フェーズで使用され、最適化プロセスは停止条件が満たされるまでこれら2つのフェーズの間を切り替える。 提案アルゴリズムは,計算統一デバイスアーキテクチャを用いて実装され,グラフィックス処理ユニットの計算能力を利用することができた。 このアルゴリズムは長さが$L = 2^m - 1$,$14 \le m \le 20$で試験された。 その結果, 2つの適合関数の利用によりアルゴリズムの効率が著しく向上し, 新たな最良解が得られ, 得られたPSL値は$\sqrt{L}$よりも有意に低かった。

関連論文リスト

• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Convergence rates of the stochastic alternating algorithm for bi-objective optimization [0.0]
  交互アルゴリズムは,強い凸性の下で$mathcalO (1/sqrtT)$のサブ線形収束率が得られることを示す。 重要なことに、各関数に適用されるステップの割合を変えることで、前方への近似を決定することができる。
  論文  参考訳（メタデータ） (2022-03-20T17:31:08Z)
• A Fully Single Loop Algorithm for Bilevel Optimization without Hessian Inverse [121.54116938140754]
  両レベル最適化問題に対して,Hessian 逆フリーな完全単一ループアルゴリズムを提案する。 我々のアルゴリズムは$O(epsilon-2)$と収束することを示す。
  論文  参考訳（メタデータ） (2021-12-09T02:27:52Z)
• Testing Surrogate-Based Optimization with the Fortified Branin-Hoo Extended to Four Dimensions [0.0]
  本稿では,Branin-Hoo関数の強化がサロゲート最適化に及ぼす影響について検討する。 その結果, 通常の関数と要塞化された関数との差は, 4次元関数に対してはるかに顕著であった。
  論文  参考訳（メタデータ） (2021-07-16T17:56:32Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• A Momentum-Assisted Single-Timescale Stochastic Approximation Algorithm for Bilevel Optimization [112.59170319105971]
  問題に対処するための新しいアルゴリズム - Momentum- Single-timescale Approximation (MSTSA) を提案する。 MSTSAでは、低いレベルのサブプロブレムに対する不正確な解決策のため、反復でエラーを制御することができます。
  論文  参考訳（メタデータ） (2021-02-15T07:10:33Z)
• Parameter-free Stochastic Optimization of Variationally Coherent Functions [19.468067110814808]
  我々は$mathbbRdilon上で関数のクラスを1次最適化するためのアルゴリズムを設計・解析する。 この2つを同時に実現したのは初めてである。
  論文  参考訳（メタデータ） (2021-01-30T15:05:34Z)
• A Two-Timescale Framework for Bilevel Optimization: Complexity Analysis and Application to Actor-Critic [142.1492359556374]
  双レベル最適化は、2レベル構造を示す問題のクラスである。 このような二段階問題に対処するための2段階近似(TTSA)アルゴリズムを提案する。 本稿では,TTSAフレームワークの特殊な事例として,2段階の自然なアクター・クリティカルポリシー最適化アルゴリズムが有用であることを示す。
  論文  参考訳（メタデータ） (2020-07-10T05:20:02Z)
• Exploiting Higher Order Smoothness in Derivative-free Optimization and Continuous Bandits [99.70167985955352]
  強凸関数のゼロ次最適化問題について検討する。 予測勾配降下アルゴリズムのランダム化近似を考察する。 その結果,0次アルゴリズムはサンプルの複雑性や問題パラメータの点でほぼ最適であることが示唆された。
  論文  参考訳（メタデータ） (2020-06-14T10:42:23Z)

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。