Fugu-MT 論文翻訳(概要): Accelerating differential evolution algorithm with Gaussian sampling based on estimating the convergence points

論文の概要: Accelerating differential evolution algorithm with Gaussian sampling based on estimating the convergence points

arxiv url: http://arxiv.org/abs/2208.14619v1
Date: Wed, 31 Aug 2022 03:36:56 GMT
ステータス: 処理完了
システム内更新日: 2022-09-01 13:08:36.835151
Title: Accelerating differential evolution algorithm with Gaussian sampling based on estimating the convergence points
Title（参考訳）: 収束点推定に基づくガウスサンプリングによる微分進化の高速化
Authors: Rui Zhong and Masaharu Munetomo
Abstract要約: 本稿では,エリート人口を平均化し,収束点を推定するための簡単な戦略を提案する。平均化戦略と重み付き平均化戦略の2つの手法を導出する。我々の提案は、簡単な修正で、他の人口ベースの進化アルゴリズムと組み合わせて容易に拡張できる。
参考スコア（独自算出の注目度）: 3.274290296343038
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we propose a simple strategy for estimating the convergence point approximately by averaging the elite sub-population. Based on this idea, we derive two methods, which are ordinary averaging strategy, and weighted averaging strategy. We also design a Gaussian sampling operator with the mean of the estimated convergence point with a certain standard deviation. This operator is combined with the traditional differential evolution algorithm (DE) to accelerate the convergence. Numerical experiments show that our proposal can accelerate the DE on most functions of 28 low-dimensional test functions on the CEC2013 Suite, and our proposal can easily be extended to combine with other population-based evolutionary algorithms with a simple modification.
Abstract（参考訳）: 本稿では,エリート人口を平均化し,収束点を推定する簡単な手法を提案する。この考え方に基づき,通常の平均化戦略と重み付け平均化戦略という2つの手法を導出する。また、ある標準偏差を持つ推定収束点の平均を持つガウスサンプリング演算子を設計する。この演算子は、収束を加速するために従来の微分進化アルゴリズム(DE)と組み合わせられる。数値実験により,提案手法はCEC2013 Suite上の28個の低次元テスト関数のほとんどでDEを高速化することができ,提案手法を他の集団に基づく進化的アルゴリズムと簡単に組み合わせることができることがわかった。

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)
Plug-and-Play split Gibbs sampler: embedding deep generative priors in Bayesian inference [12.91637880428221]
本稿では, 後方分布から効率的にサンプリングするために, 可変分割を利用したプラグアンドプレイサンプリングアルゴリズムを提案する。後方サンプリングの課題を2つの単純なサンプリング問題に分割する。その性能は最近の最先端の最適化とサンプリング手法と比較される。
論文参考訳（メタデータ） (2023-04-21T17:17:51Z)
Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文参考訳（メタデータ） (2023-01-30T15:46:39Z)
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)
Sharp global convergence guarantees for iterative nonconvex optimization: A Gaussian process perspective [30.524043513721168]
回帰モデルのクラスに対する反復アルゴリズムの収束を解析するための一般的なレシピを開発する。決定論的には、有限サンプル状態におけるアルゴリズムの収束率と最終的なエラーフロアの両方を正確にキャプチャする。我々は、更新の交互化に基づく高次アルゴリズムと、下位次数に基づく一次アルゴリズムの両方に対して、鋭い収束率を示す。
論文参考訳（メタデータ） (2021-09-20T21:48:19Z)
Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文参考訳（メタデータ） (2021-06-08T15:54:44Z)
Learning Sampling Policy for Faster Derivative Free Optimization [100.27518340593284]
ランダムサンプリングではなく,ZO最適化における摂動を生成するためのサンプリングポリシを学習する,新たな強化学習ベースのZOアルゴリズムを提案する。その結果,ZO-RLアルゴリズムはサンプリングポリシを学習することでZO勾配の分散を効果的に低減し,既存のZOアルゴリズムよりも高速に収束できることが示唆された。
論文参考訳（メタデータ） (2021-04-09T14:50:59Z)
Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文参考訳（メタデータ） (2020-10-15T18:09:48Z)
On the implementation of a global optimization method for mixed-variable problems [0.30458514384586394]
このアルゴリズムは、グットマンの放射基底関数と、レジスとシューメーカーの計量応答面法に基づいている。これら2つのアルゴリズムの一般化と改良を目的としたいくつかの修正を提案する。
論文参考訳（メタデータ） (2020-09-04T13:36:56Z)
The Hessian Estimation Evolution Strategy [3.756550107432323]
我々はヘッセン推定進化戦略と呼ばれる新しいブラックボックス最適化アルゴリズムを提案する。アルゴリズムは、目的関数の曲率を直接推定することにより、サンプリング分布の共分散行列を更新する。
論文参考訳（メタデータ） (2020-03-30T08:01:16Z)
Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文参考訳（メタデータ） (2020-02-16T09:01:18Z)

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。