論文の概要: Black Box Optimization Using QUBO and the Cross Entropy Method
- arxiv url: http://arxiv.org/abs/2206.12510v1
- Date: Fri, 24 Jun 2022 22:57:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-03 10:11:48.408099
- Title: Black Box Optimization Using QUBO and the Cross Entropy Method
- Title(参考訳): quboとクロスエントロピー法を用いたブラックボックス最適化
- Authors: Jonas N\"u{\ss}lein, Christoph Roch, Thomas Gabor, Claudia
Linnhoff-Popien, Sebastian Feld
- Abstract要約: ブラックボックス最適化は、解析形式が不明な関数の最適化に使用できる。
BBOを実現するための一般的なアプローチは、ターゲットのブラックボックス関数を近似する代理モデルを学ぶことである。
本稿では,代理モデルがQUBO行列であるBOX-QUBOを提案する。
- 参考スコア(独自算出の注目度): 11.091089276821716
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Black box optimization (BBO) can be used to optimize functions whose analytic
form is unknown. A common approach to realize BBO is to learn a surrogate model
which approximates the target black box function which can then be solved via
white box optimization methods. In this paper we present our approach BOX-QUBO,
where the surrogate model is a QUBO matrix. However, unlike in previous
state-of-the-art approaches, this matrix is not trained entirely by regression,
but mostly by classification between 'good' and 'bad' solutions. This better
accounts for the low capacity of the QUBO matrix, resulting in significantly
better solutions overall. We tested our approach against the state-of-the-art
on four domains and in all of them BOX-QUBO showed significantly better
results. A second contribution of this paper is the idea to also solve white
box problems, i.e. problems which could be directly formulated as QUBO, by
means of black box optimization in order to reduce the size of the QUBOs to
their information-theoretic minimum. The experiments show that this
significantly improves the results for MAX-$k$-SAT.
- Abstract(参考訳): black box optimization (bbo) は解析形式が不明な関数を最適化するために用いられる。
BBOを実現するための一般的なアプローチは、ターゲットのブラックボックス関数を近似したサロゲートモデルを学習し、ホワイトボックス最適化法によって解けることである。
本稿では,サロゲートモデルがqubo行列であるbox-quboのアプローチについて述べる。
しかし、以前の最先端のアプローチとは異なり、この行列は完全に回帰によって訓練されるのではなく、主に「良い」解と「悪い」解の分類によって訓練される。
これによりQUBO行列の低容量化が図られ、結果として全体の解が大幅に改善される。
BOX-QUBOでは,4つの領域で最先端技術に対するアプローチを検証した。
2つめの貢献は、ホワイトボックス問題(すなわち、ブラックボックス最適化によって直接quboとして定式化できる問題)も解決し、qubosのサイズを情報理論上の最小値に縮小するという考えである。
実験の結果,MAX-$k$-SATの結果は大幅に改善された。
関連論文リスト
- Polynomial-Model-Based Optimization for Blackbox Objectives [0.0]
ブラックボックス最適化は、事前定義された目的関数が最小化されるようなシステムに対して最適なパラメータを求める。
PMBOは目的関数にサロゲートを合わせることで最小値を求める新しいブラックボックスである。
PMBOは、与えられた人工的解析関数のセットに対して、他の最先端のアルゴリズムとベンチマークされる。
論文 参考訳(メタデータ) (2023-09-01T14:11:03Z) - Predictive Modeling through Hyper-Bayesian Optimization [60.586813904500595]
本稿では,モデル選択とBOを統合する新しい手法を提案する。
このアルゴリズムは、モデル空間のBOと関数空間のBOの間を行き来する。
サンプル効率の改善に加えて、ブラックボックス機能に関する情報も出力する。
論文 参考訳(メタデータ) (2023-08-01T04:46:58Z) - Model-based Causal Bayesian Optimization [78.120734120667]
モデルに基づく因果ベイズ最適化(MCBO)を提案する。
MCBOは介入と逆のペアをモデリングするのではなく、完全なシステムモデルを学ぶ。
標準的なベイズ最適化とは異なり、我々の取得関数は閉形式では評価できない。
論文 参考訳(メタデータ) (2022-11-18T14:28:21Z) - How to Robustify Black-Box ML Models? A Zeroth-Order Optimization
Perspective [74.47093382436823]
入力クエリと出力フィードバックだけでブラックボックスモデルを堅牢化する方法?
我々は,ブラックボックスモデルに適用可能な防御操作の一般的な概念を提案し,それを復号化スムーシング(DS)のレンズを通して設計する。
我々は,ZO-AE-DSが既存のベースラインよりも精度,堅牢性,クエリの複雑さを向上できることを実証的に示す。
論文 参考訳(メタデータ) (2022-03-27T03:23:32Z) - LAMBDA: Covering the Solution Set of Black-Box Inequality by Search
Space Quantization [1.345821655503426]
ブラックボックス関数は、入力と出力以外の明示的な情報を提供しない複雑な問題をモデル化するために広く使用される。
ブラックボックス対象関数に対する限られた評価によって設定されたソリューションを可能な限りカバーすることは、ブラックボックス被覆(BBC)問題として定義される。
論文 参考訳(メタデータ) (2022-03-25T15:24:05Z) - Black-Box Optimization via Generative Adversarial Nets [6.46243851154653]
我々は,ブラックボックス問題に対する探索をガイドするために,退化逆数ネット(OPT-GAN)を提案する。
OPT-GANは他の古典的BBOアルゴリズムよりも優れていることを示す実験がある。
論文 参考訳(メタデータ) (2021-02-07T19:12:09Z) - Black-Box Optimization Revisited: Improving Algorithm Selection Wizards
through Massive Benchmarking [8.874754363200614]
機械学習のためのブラックボックス最適化の既存の研究は、低い一般化性に悩まされている。
そこで我々は,ブラックボックス最適化の幅広い問題を網羅するベンチマークスイートOptimSuiteを提案する。
ABBOは全てのベンチマークスイートで競合性能を達成する。
論文 参考訳(メタデータ) (2020-10-08T14:17:30Z) - A Hybrid Framework Using a QUBO Solver For Permutation-Based
Combinatorial Optimization [5.460573052311485]
本稿では,高性能な2次非制約バイナリ最適化器を用いて,大規模な置換に基づく問題を解くためのハイブリッドフレームワークを提案する。
通常はビット数に制限があるQUBOソルバを使用する際の課題を克服する手法を提案する。
論文 参考訳(メタデータ) (2020-09-27T07:15:25Z) - Sub-linear Regret Bounds for Bayesian Optimisation in Unknown Search
Spaces [63.22864716473051]
本稿では,反復により探索空間を拡大(およびシフト)する新しいBOアルゴリズムを提案する。
理論的には、どちらのアルゴリズムにおいても、累積的後悔は線形以下の速度で増大する。
論文 参考訳(メタデータ) (2020-09-05T14:24:40Z) - Projection & Probability-Driven Black-Box Attack [205.9923346080908]
既存のブラックボックス攻撃は、高次元空間における過剰なクエリを必要とする。
本稿では,この問題を解決するために,プロジェクション&確率駆動型ブラックボックス攻撃(PPBA)を提案する。
我々の手法は、最先端の手法に比べて攻撃成功率の高いクエリを少なくとも24%削減する必要がある。
論文 参考訳(メタデータ) (2020-05-08T03:37:50Z) - Stepwise Model Selection for Sequence Prediction via Deep Kernel
Learning [100.83444258562263]
本稿では,モデル選択の課題を解決するために,新しいベイズ最適化(BO)アルゴリズムを提案する。
結果として得られる複数のブラックボックス関数の最適化問題を協調的かつ効率的に解くために,ブラックボックス関数間の潜在的な相関を利用する。
我々は、シーケンス予測のための段階的モデル選択(SMS)の問題を初めて定式化し、この目的のために効率的な共同学習アルゴリズムを設計し、実証する。
論文 参考訳(メタデータ) (2020-01-12T09:42:19Z)
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。