論文の概要: Deriving Smaller Orthogonal Arrays from Bigger Ones with Genetic Algorithm

• arxiv url: http://arxiv.org/abs/2111.13047v1
• Date: Thu, 25 Nov 2021 12:06:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 21:50:01.622255
• Title: Deriving Smaller Orthogonal Arrays from Bigger Ones with Genetic Algorithm
• Title（参考訳）: 遺伝的アルゴリズムによるより小さな直交配列の導出
• Authors: Luca Mariot
• Abstract要約: 我々は,指定された行数を除去することで,より大きな配列から始まるバイナリ配列を構築するという問題を考察する。 そこで本研究では, 塩基配列が, 開始OAからキャンセルされる線を指定する定数重二乗文字列である遺伝的アルゴリズムを開発した。 基本パリティチェックアレイの複数ブロックのランダムな置換として初期OAを用いて,提案アルゴリズムの予備的検証を行う。
• 参考スコア（独自算出の注目度）: 1.370633147306388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the optimization problem of constructing a binary orthogonal array (OA) starting from a bigger one, by removing a specified amount of lines. In particular, we develop a genetic algorithm (GA) where the underlying chromosomes are constant-weight binary strings that specify the lines to be cancelled from the starting OA. Such chromosomes are then evolved through balanced crossover and mutation operators to preserve the number of ones in them. The fitness function evaluates the matrices obtained from these chromosomes by measuring their distance from satisfying the constraints of an OA smaller than the starting one. We perform a preliminary experimental validation of the proposed genetic algorithm by crafting the initial OA as a random permutation of several blocks of the basic parity-check array, thereby guaranteeing the existence of an optimal solution.
• Abstract（参考訳）: 本稿では,指定された行数を取り除くことにより,より大きい行から2次直交配列(oa)を構築する最適化問題を考える。 特に,遺伝アルゴリズム(GA)を開発し,その基盤となる染色体は,開始OAからキャンセルされる線を指定する定数重なバイナリ文字列である。 このような染色体は、バランスの取れた交叉と突然変異演算子によって進化し、その中の染色体の数を保存する。 適合関数は、これらの染色体から得られた行列を、開始点よりも小さいoaの制約を満たすことから距離を測定することによって評価する。 そこで本研究では,初期OAを基本パリティチェックアレイの複数ブロックのランダムな置換として構築し,最適解の存在を保証し,提案アルゴリズムの予備的な検証を行う。

関連論文リスト

• Riemannian Optimization for Non-convex Euclidean Distance Geometry with Global Recovery Guarantees [6.422262171968397]
  ユークリッド距離幾何学問題を解くために2つのアルゴリズムが提案されている。 第一のアルゴリズムは真の解に線形に収束する。 第2のアルゴリズムは、合成データと実データの両方で強い数値性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T21:19:22Z)
• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• Learning the Positions in CountSketch [49.57951567374372]
  本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。 本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-11T07:28:35Z)
• Quantum Genetic Algorithm with Individuals in Multiple Registers [0.0]
  本稿では,サブルーチンに基づく量子遺伝的アルゴリズムを提案する。 この独特な体系化により、遺伝的アルゴリズムを特徴付ける基本的な要素をすべて記述できる。 量子可観測体の生物模倣的クローニングとブヴ・ゼク・ヒラーイ普遍量子クローニングマシンの2つのパラダイム例について検討する。
  論文  参考訳（メタデータ） (2022-03-28T19:05:03Z)
• Infinite-Dimensional Sparse Learning in Linear System Identification [0.2867517731896504]
  本稿では,原子ノルム正規化に基づく無限次元スパース学習アルゴリズムを提案する。 この問題の解決の難しさは、無限の原子モデルが存在するという事実にある。
  論文  参考訳（メタデータ） (2022-03-28T13:18:48Z)
• Sparse Quadratic Optimisation over the Stiefel Manifold with Application to Permutation Synchronisation [71.27989298860481]
  二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。 そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-30T19:17:35Z)
• Symmetric Boolean Factor Analysis with Applications to InstaHide [18.143740528953142]
  InstaHideは、中程度に大規模なkに対する再構築攻撃に対して、ある種の「きめ細かいセキュリティ」を持っていることを示す。 我々のアルゴリズムはテンソル分解に基づいており、m は r において少なくとも準線形である必要がある。 この結果は、k-スパースベクトルの集合が任意に選択される問題の最悪のケース設定のための準ポリノミカル時間アルゴリズムで補完する。
  論文  参考訳（メタデータ） (2021-02-02T15:52:52Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Perfect Edge-Transmitting Recombination of Permutations [0.0]
  我々は、エッジの完全伝送を実現する置換のクロスオーバーのアルゴリズムを導出する。 また,非対称走行セールスマン問題に対する数学的に最適な子孫を生成するアルゴリズムの修正についても述べる。
  論文  参考訳（メタデータ） (2020-05-03T15:15:49Z)
• 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)
• Optimal Iterative Sketching with the Subsampled Randomized Hadamard Transform [64.90148466525754]
  最小二乗問題に対する反復スケッチの性能について検討する。 本研究では、Haar行列とランダム化されたHadamard行列の収束速度が同一であることを示し、ランダムなプロジェクションを経時的に改善することを示した。 これらの手法は、ランダム化次元還元を用いた他のアルゴリズムにも適用することができる。
  論文  参考訳（メタデータ） (2020-02-03T16:17:50Z)

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。