論文の概要: Reconfigurable Heterogeneous Parallel Island Models

• arxiv url: http://arxiv.org/abs/2205.02916v1
• Date: Thu, 5 May 2022 20:47:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 06:02:26.574649
• Title: Reconfigurable Heterogeneous Parallel Island Models
• Title（参考訳）: 再構成可能な異種並列島モデル
• Authors: Lucas \^Angelo da Silveira and Thaynara Arielly de Lima and Mauricio Ayala-Rinc\'on
• Abstract要約: HePIM(Heterogeneous Parallel Island Models)は、それぞれの島で異なるバイオインスパイアされたアルゴリズム(BA)を実行する。 以前の研究は、均一なPIMにおける最適適応BAに関する競争品質のソリューションを提供するHePIMを導入した。 この作業は、HePIMsが提供する人口の多様性を維持し、柔軟性を高め、一歩前進する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Heterogeneous Parallel Island Models (HePIMs) run different bio-inspired algorithms (BAs) in their islands. From a variety of communication topologies and migration policies fine-tuned for homogeneous PIMs (HoPIMs), which run the same BA in all their islands, previous work introduced HePIMs that provided competitive quality solutions regarding the best-adapted BA in HoPIMs. This work goes a step forward, maintaining the population diversity provided by HePIMs, and increasing their flexibility, allowing BA reconfiguration on islands during execution: according to their performance, islands may substitute their BAs dynamically during the evolutionary process. Experiments with the introduced architectures (RecHePIMs) were applied to the NP-hard problem of sorting permutations by reversals, using four different BAs, namely, simple Genetic Algorithm, Double-point crossover Genetic Algorithm, Differential Evolution, and self-adjusting Particle Swarm Optimization. The results showed that the new reconfigurable heterogeneous models compute better quality solutions than the HePIMs closing the gap with the HoPIM running the best-adapted BA.
• Abstract（参考訳）: HePIM(Heterogeneous Parallel Island Models)は、それぞれの島で異なるバイオインスパイアされたアルゴリズム(BA)を実行する。 全島で同じBAを走らせる同質なPIM(HoPIMs)のために微調整された様々な通信トポロジとマイグレーションポリシーから、以前の研究は、HoPIMsにおける最も適応されたBAに関する競争品質ソリューションを提供するHePIMsを導入した。 この研究は、HePIMsが提供する人口の多様性を維持し、柔軟性を高め、実行中にBAが島を再構成できるようにする。 導入したアーキテクチャ(RecHePIMs)を用いた実験は、単純な遺伝的アルゴリズム、二重点交叉遺伝的アルゴリズム、微分進化、自己調整粒子群最適化の4つの異なるBAを用いて、逆数による置換をソートするNP-hard問題に適用された。 その結果, 再構成可能なヘテロジニアスモデルでは, 最適適応BAを走らせるHoPIMとのギャップを埋めるHePIMよりも高品質な解が計算できることがわかった。

関連論文リスト

• Evolving a Multi-Population Evolutionary-QAOA on Distributed QPUs [0.0]
  我々は,進化的QAOA(E-QAOA)ペアリングがCOBYLAベースのQAOAよりも同等以上の性能を示すことを示した。 また,2つのQPU上に分布する多集団EAを提案する。
  論文  参考訳（メタデータ） (2024-09-16T21:16:51Z)
• Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
  本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。 HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。 HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
  論文  参考訳（メタデータ） (2024-06-12T08:48:06Z)
• Towards Interpretable Deep Local Learning with Successive Gradient Reconciliation [70.43845294145714]
  グローバルバックプロパゲーション(BP)に対するニューラルネットワークトレーニングの信頼性の回復が、注目すべき研究トピックとして浮上している。 本稿では,隣接モジュール間の勾配調整を連続的に調整する局所的学習戦略を提案する。 提案手法はローカルBPとBPフリー設定の両方に統合できる。
  論文  参考訳（メタデータ） (2024-06-07T19:10:31Z)
• A Performance Analysis of Basin Hopping Compared to Established Metaheuristics for Global Optimization [2.209921757303168]
  BBOBテスト関数セットと2つの困難な実世界の問題を用いたIOHプロファイラ環境を用いた数値実験を行った。 その結果, 流域ホッピングは, より確立されたメタヒューリスティクスとともに, 大域的な数値最適化問題の候補となる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-03-09T11:02:47Z)
• Pre-Evolved Model for Complex Multi-objective Optimization Problems [3.784829029016233]
  多目的最適化問題(MOP)は、複数の目的の同時最適化を必要とする。 本稿では、MOEAが多様な複雑なMOPに対して高品質な人口を生み出すための事前進化の概念を提案する。
  論文  参考訳（メタデータ） (2023-12-11T05:16:58Z)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• Massively Parallel Genetic Optimization through Asynchronous Propagation of Populations [50.591267188664666]
  Propulateは、グローバル最適化のための進化的最適化アルゴリズムとソフトウェアパッケージである。 提案アルゴリズムは, 選択, 突然変異, 交叉, 移動の変種を特徴とする。 Propulateは解の精度を犠牲にすることなく、最大で3桁高速であることがわかった。
  論文  参考訳（メタデータ） (2023-01-20T18:17:34Z)
• Automatic Construction of Parallel Algorithm Portfolios for Multi-objective Optimization [2.9649783577150837]
  並列ポートフォリオアルゴリズム(PAP)は,複数のMOEAを独立に動作させ,その利点を最大限に活用する。 PAPのマニュアル構築は非自明で面倒であるため、我々は高性能なPAPを自動構築することを提案する。 自動構築されたMOEA/PAPは、人間の専門家が設計した最先端のMOEAと競合する可能性さえも示している。
  論文  参考訳（メタデータ） (2022-11-17T12:42:54Z)
• 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)
• Model-based Multi-agent Policy Optimization with Adaptive Opponent-wise Rollouts [52.844741540236285]
  マルチエージェント強化学習(MARL)におけるモデルベース手法について検討する。 AORPO(Adaptive Opponent-wise Rollout Policy)と呼ばれる新しい分散型モデルベースのMARL法を提案する。
  論文  参考訳（メタデータ） (2021-05-07T16:20:22Z)
• Evolutionary Diversity Optimization and the Minimum Spanning Tree Problem [13.264683014487376]
  多様性最適化の文脈において、よく知られた最小スパンニングツリー問題(MST)について検討する。 単純な$(mu+1)$-EAは、高品質の木々の多様化した個体群を効果的に計算できることを示す。
  論文  参考訳（メタデータ） (2020-10-21T11:50:49Z)

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。