Fugu-MT 論文翻訳(概要): Dynamic communication topologies for distributed heuristics in energy system optimization algorithms

論文の概要: Dynamic communication topologies for distributed heuristics in energy system optimization algorithms

arxiv url: http://arxiv.org/abs/2108.01380v1
Date: Tue, 3 Aug 2021 09:30:56 GMT
ステータス: 処理完了
システム内更新日: 2021-08-04 13:55:57.049442
Title: Dynamic communication topologies for distributed heuristics in energy system optimization algorithms
Title（参考訳）: エネルギーシステム最適化アルゴリズムにおける分散ヒューリスティックスのための動的通信トポロジ
Authors: Stefanie Holly and Astrid Nie{\ss}e
Abstract要約: 本稿では,実行中の通信トポロジに適応する手法を提案する。我々は、模範的な分散最適化の性能に関する一般的な静的トポロジと比較する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The communication topology is an essential aspect in designing distributed optimization heuristics. It can influence the exploration and exploitation of the search space and thus the optimization performance in terms of solution quality, convergence speed and collaboration costs, all relevant aspects for applications operating critical infrastructure in energy systems. In this work, we present an approach for adapting the communication topology during runtime, based on the principles of simulated annealing. We compare the approach to common static topologies regarding the performance of an exemplary distributed optimization heuristic. Finally, we investigate the correlations between fitness landscape properties and defined performance metrics.
Abstract（参考訳）: 通信トポロジは分散最適化ヒューリスティックの設計において重要な側面である。これは、探索空間の探索と利用に影響し、エネルギーシステムにおいて重要なインフラを運用するアプリケーションにおいて、ソリューションの品質、収束速度、コラボレーションコストといった面での最適化性能に影響を与える可能性がある。本研究では,シミュレート・アニーリングの原理に基づいて,実行時の通信トポロジーを適用する手法を提案する。我々は、模範的な分散最適化ヒューリスティックの性能に関する一般的な静的トポロジと比較する。最後に,フィットネスランドスケープ特性と性能指標の相関について検討した。

関連論文リスト

Co-Optimization of Environment and Policies for Decentralized Multi-Agent Navigation [14.533605727697775]
本研究は,マルチエージェントシステムとその周辺環境を,一方の行動が他方に影響を与える共進化システムとみなす。本研究では,環境中におけるエージェント動作と障害物構成の最適解を求めるために,サブオブジェクト間を置換するアルゴリズムを開発した。
論文参考訳（メタデータ） (2024-03-21T17:37:43Z)
Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
論文参考訳（メタデータ） (2024-03-12T07:32:47Z)
Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
論文参考訳（メタデータ） (2023-10-10T00:21:10Z)
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)
On the Computation-Communication Trade-Off with A Flexible Gradient Tracking Approach [6.877328172726638]
本稿では,ネットワーク上の分散最適化問題の解法として,調整可能な計算と通信ステップを用いた柔軟な勾配追従手法を提案する。我々は、滑らかで凸な目的関数上で任意の精度を達成するために、計算と通信の複雑さの両方を導出する。
論文参考訳（メタデータ） (2023-06-12T14:46:21Z)
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)
Improvement of Computational Performance of Evolutionary AutoML in a Heterogeneous Environment [0.0]
グラフ構造を持つパイプラインのモデリングにおける進化的最適化の質を高めるためのモジュラー手法を提案する。実装されたアルゴリズムは、オープンソースのフレームワークであるFEDOTの一部として利用可能である。
論文参考訳（メタデータ） (2023-01-12T15:59:04Z)
Optimization of Rocker-Bogie Mechanism using Heuristic Approaches [0.0]
本稿では,海外の地形に関連付けられた標準的なサスペンション手法であるRocker Bogie機構について論じる。本稿では,シミュレート・アニーリング,遺伝的アルゴリズム,スワム・インテリジェンス,盆地ホッピング,微分進化に関する広範な実験を行った。
論文参考訳（メタデータ） (2022-09-14T21:02:01Z)
Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文参考訳（メタデータ） (2021-11-04T20:18:55Z)
A Field Guide to Federated Optimization [161.3779046812383]
フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
論文参考訳（メタデータ） (2021-07-14T18:09:08Z)
Robust and Efficient Swarm Communication Topologies for Hostile Environments [0.4588028371034406]
本稿では,エージェントの損失が初期ネットワーク構成の関数などのアルゴリズムの性能に与える影響について検討する。結果は、異なるトポロジに対する効率性、堅牢性、パフォーマンスの間の興味深いトレードオフを明らかにします。
論文参考訳（メタデータ） (2020-08-21T16:38:35Z)

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。