論文の概要: A Distribution Evolutionary Algorithm for Graph Coloring

• arxiv url: http://arxiv.org/abs/2203.15162v2
• Date: Wed, 21 Sep 2022 14:38:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-20 09:37:37.231961
• Title: A Distribution Evolutionary Algorithm for Graph Coloring
• Title（参考訳）: グラフカラー化のための分布進化アルゴリズム
• Authors: Yongjian Xu and Huabin Cheng and Yu Chen and Chengwang Xie
• Abstract要約: グラフ色問題(GCP)は古典的な最適化問題であり、理論研究や工学に広く応用されている。 複雑なGCPを効率的に扱うために,確率モデルの集団(DEA-PPM)に基づく分布進化アルゴリズムを提案する。 数値計算により、DEA-PPMは選択された複雑なGCP上でよく機能し、最先端のメタヒューリスティックスへの競争力に寄与することが示された。
• 参考スコア（独自算出の注目度）: 4.030402376540977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Graph Coloring Problem (GCP) is a classic combinatorial optimization problem that has a wide application in theoretical research and engineering. To address complicated GCPs efficiently, a distribution evolutionary algorithm based on population of probability models (DEA-PPM) is proposed. Based on a novel representation of probability model, DEA-PPM employs a Gaussian orthogonal search strategy to explore the probability space, by which global exploration can be realized using a small population. With assistance of local exploitation on a small solution population, DEA-PPM strikes a good balance between exploration and exploitation. Numerical results demonstrate that DEA-PPM performs well on selected complicated GCPs, which contributes to its competitiveness to the state-of-the-art metaheuristics.
• Abstract（参考訳）: グラフ色問題(GCP)は古典的な組合せ最適化問題であり、理論研究や工学に広く応用されている。 複雑なGCPを効率的に扱うために,確率モデルの集団(DEA-PPM)に基づく分布進化アルゴリズムを提案する。 確率モデルの新たな表現に基づいて、DEA-PPMはガウス直交探索戦略を用いて確率空間を探索し、少数の人口を用いて地球規模の探索を実現する。 小規模のソリューション集団に対する局所的な搾取の支援により、DEA-PPMは探検と搾取のバランスが良い。 数値計算により、DEA-PPMは選択された複雑なGCP上でよく機能し、最先端のメタヒューリスティックスへの競争力に寄与することが示された。

関連論文リスト

• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Ensemble-Based Annealed Importance Sampling [12.59962335240209]
  本稿では,Annealed Importance Smpling (AIS) のアンサンブルに基づくバージョンを提案する。 我々はアンサンブル内の相互作用を利用して、未発見モードの探索を奨励する。 本稿では,提案アルゴリズムをどのように実装し,アンサンブルの進化を規定する偏微分方程式を導出する方法について論じる。
  論文  参考訳（メタデータ） (2024-01-28T12:47:39Z)
• Strategic Distribution Shift of Interacting Agents via Coupled Gradient Flows [6.064702468344376]
  実世界のシステムにおける分散シフトのダイナミクスを解析するための新しいフレームワークを提案する。 より単純なモデルでは捉えられない偏極や異なる影響といった、よく文書化された形態の分布シフトを捉える手法を示す。
  論文  参考訳（メタデータ） (2023-07-03T17:18:50Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• Scalable Multiple Patterning Layout Decomposition Implemented by a Distribution Evolutionary Algorithm [11.366935475887239]
  一般化グラフ着色問題として MPL のレイアウト分解をモデル化する。 DEA-PPMは、分解結果と実行時間のバランスをとることができる。
  論文  参考訳（メタデータ） (2023-04-09T10:23:30Z)
• End-to-End Pareto Set Prediction with Graph Neural Networks for Multi-objective Facility Location [10.130342722193204]
  施設配置問題(FLP)は、サプライチェーンやロジスティクスで広く見られるNPハード最適化問題の典型的なクラスである。 本稿では,システム全体のコストを同時に最小化し,システム信頼性を最大化する多目的施設配置問題(MO-FLP)について考察する。 ノードとエッジの暗黙グラフ表現を学習するために、2つのグラフニューラルネットワークを構築した。
  論文  参考訳（メタデータ） (2022-10-27T07:15:55Z)
• Distributed Evolution Strategies for Black-box Stochastic Optimization [42.90600124972943]
  この研究は、分散ブラックボックス最適化への進化的アプローチに関するものである。 各作業者は、アルゴリズムによる問題の近似を個別に解くことができる。 問題のロバスト性を大幅に改善する2つの代替シミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2022-04-09T11:18:41Z)
• Score-based Generative Modeling of Graphs via the System of Stochastic Differential Equations [57.15855198512551]
  本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。 本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
  論文  参考訳（メタデータ） (2022-02-05T08:21:04Z)
• Implicit Distributional Reinforcement Learning [61.166030238490634]
  2つのディープジェネレータネットワーク(DGN)上に構築された暗黙の分布型アクター批判(IDAC) 半単純アクター (SIA) は、フレキシブルなポリシー分布を利用する。 我々は,代表的OpenAI Gym環境において,IDACが最先端のアルゴリズムより優れていることを観察する。
  論文  参考訳（メタデータ） (2020-07-13T02:52:18Z)
• MineReduce: an approach based on data mining for problem size reduction [58.720142291102135]
  本稿では,マイニングパターンを用いて問題サイズの削減を行うMineReduceという手法を提案する。 異種車両ルーティング問題に対するMineReduceの適用について述べる。
  論文  参考訳（メタデータ） (2020-05-15T08:49:50Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。