論文の概要: Improving Nevergrad's Algorithm Selection Wizard NGOpt through Automated Algorithm Configuration

• arxiv url: http://arxiv.org/abs/2209.04412v1
• Date: Fri, 9 Sep 2022 17:28:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-12 12:30:41.017437
• Title: Improving Nevergrad's Algorithm Selection Wizard NGOpt through Automated Algorithm Configuration
• Title（参考訳）: 自動アルゴリズム構成によるNevergradのアルゴリズム選択ウィザードNGOptの改善
• Authors: Risto Trajanov, Ana Nikolikj, Gjorgjina Cenikj, Fabien Teytaud, Mathurin Videau, Olivier Teytaud, Tome Eftimov, Manuel L\'opez-Ib\'a\~nez, Carola Doerr
• Abstract要約: 最先端のアルゴリズム選択ウィザードは複雑で改善が難しい。 本稿では,自動構成方式による性能向上を提案する。
• 参考スコア（独自算出の注目度）: 2.649483400176735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Algorithm selection wizards are effective and versatile tools that automatically select an optimization algorithm given high-level information about the problem and available computational resources, such as number and type of decision variables, maximal number of evaluations, possibility to parallelize evaluations, etc. State-of-the-art algorithm selection wizards are complex and difficult to improve. We propose in this work the use of automated configuration methods for improving their performance by finding better configurations of the algorithms that compose them. In particular, we use elitist iterated racing (irace) to find CMA configurations for specific artificial benchmarks that replace the hand-crafted CMA configurations currently used in the NGOpt wizard provided by the Nevergrad platform. We discuss in detail the setup of irace for the purpose of generating configurations that work well over the diverse set of problem instances within each benchmark. Our approach improves the performance of the NGOpt wizard, even on benchmark suites that were not part of the tuning by irace.
• Abstract（参考訳）: アルゴリズム選択ウィザードは、問題と利用可能な決定変数の数や種類、評価の最大数、評価の並列化可能性などの計算資源に関する高レベルな情報を与えられた最適化アルゴリズムを自動的に選択する、効率的で汎用的なツールである。 最先端のアルゴリズム選択ウィザードは複雑で改善が難しい。 そこで本研究では,アルゴリズムの構成を改良することにより,性能を向上させるための自動構成手法を提案する。 特に,Nevergrad プラットフォームが提供する NGOpt ウィザードで現在使用されている手作りの CMA 構成を置き換える,特定の人工ベンチマーク用の CMA 構成を見つけるために,エリート主義的反復レース (irace) を用いる。 我々は、各ベンチマーク内の様々な問題インスタンスセットに対してうまく機能する構成を生成するために、iraceの設定を詳細に議論する。 提案手法は,irace によるチューニングの一部ではないベンチマークスイートでも NGOpt ウィザードの性能を向上させる。

関連論文リスト

• CATBench: A Compiler Autotuning Benchmarking Suite for Black-box Optimization [5.909352339240516]
  我々は、コンパイラ自動チューニングの複雑さを捉える包括的なベンチマークスイートであるCATBenchを紹介する。 CATBenchのベンチマークは、テンソル代数から画像処理、クラスタリングまで、機械学習指向の計算の範囲にまたがっている。 我々はCATBenchをいくつかの最先端アルゴリズムで検証し、その強みと弱点を明らかにした。
  論文  参考訳（メタデータ） (2024-06-24T20:15:04Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
  興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。 基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。 我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
  論文  参考訳（メタデータ） (2022-09-27T17:51:31Z)
• Non-Elitist Selection Can Improve the Performance of Irace [0.8258451067861933]
  本研究では,旅行セールスパーソン問題に対するアリコロニー最適化アルゴリズムのチューニング方法と2次代入問題について検討する。 実験結果から, テストベンチマークでは, iraceの既定選択よりも改善が見られた。 さらに, この結果から, アルゴリズムの動作を理解するため, 多様なアルゴリズム構成が得られることが示唆された。
  論文  参考訳（メタデータ） (2022-03-17T10:34:30Z)
• Algorithm Selection on a Meta Level [58.720142291102135]
  本稿では,与えられたアルゴリズムセレクタの組み合わせに最適な方法を求めるメタアルゴリズム選択の問題を紹介する。 本稿では,メタアルゴリズム選択のための一般的な方法論フレームワークと,このフレームワークのインスタンス化として具体的な学習手法を提案する。
  論文  参考訳（メタデータ） (2021-07-20T11:23:21Z)
• Leveraging Benchmarking Data for Informed One-Shot Dynamic Algorithm Selection [0.9281671380673306]
  進化的アルゴリズムの適用における重要な課題は、目の前の問題に最も適したアルゴリズムインスタンスの選択である。 本研究では, 疑似ブール最適化問題の解法として, このような先行性能データを用いて, 動的アルゴリズム選択スキームを推論する方法について分析する。
  論文  参考訳（メタデータ） (2021-02-12T12:27:02Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Towards Dynamic Algorithm Selection for Numerical Black-Box Optimization: Investigating BBOB as a Use Case [4.33419118449588]
  シングルスウィッチな動的アルゴリズムの選択(dynAS)でさえ、大きな性能向上をもたらす可能性があることを示す。 また、dynASにおける重要な課題についても論じ、BBOBフレームワークがこれらを克服する上で有用なツールになり得ると論じる。
  論文  参考訳（メタデータ） (2020-06-11T16:36:11Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。