論文の概要: Learning Obstacle-Avoiding Lattice Paths using Swarm Heuristics:
Exploring the Bijection to Ordered Trees
- arxiv url: http://arxiv.org/abs/2209.05187v1
- Date: Mon, 12 Sep 2022 12:27:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 12:12:57.858177
- Title: Learning Obstacle-Avoiding Lattice Paths using Swarm Heuristics:
Exploring the Bijection to Ordered Trees
- Title(参考訳): Swarm Heuristics を用いた障害物回避格子経路の学習 : 順序木への単射探索
- Authors: Victor Parque
- Abstract要約: パスは、離散/グリッドマップでの効率的なナビゲーションを行う機能的なエンティティである。
本稿では,衝突のない格子路を経路で生成する新しい手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lattice paths are functional entities that model efficient navigation in
discrete/grid maps. This paper presents a new scheme to generate collision-free
lattice paths with utmost efficiency using the bijective property to rooted
ordered trees, rendering a one-dimensional search problem. Our computational
studies using ten state-of-the-art and relevant nature-inspired swarm
heuristics in navigation scenarios with obstacles with convex and non-convex
geometry show the practical feasibility and efficiency in rendering
collision-free lattice paths. We believe our scheme may find use in devising
fast algorithms for planning and combinatorial optimization in discrete maps.
- Abstract(参考訳): 格子パスは離散/グリッドマップの効率的なナビゲーションをモデル化する機能エンティティである。
本稿では,根付き順序木に対する単射性を用いて,最も効率のよい衝突のない格子経路を生成するための新しい手法を提案する。
凸および非凸形状の障害物を有する航法シナリオにおける10種類の最先端および関連する自然刺激群群ヒューリスティックスを用いた計算研究は、衝突のない格子路の描画における実用可能性と効率性を示している。
本手法は離散写像の計画と組合せ最適化のための高速アルゴリズムの考案に有効であると考えられる。
関連論文リスト
- Linearized Wasserstein dimensionality reduction with approximation
guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。
我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。
また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文 参考訳(メタデータ) (2023-02-14T22:12:16Z) - Reducing Collision Checking for Sampling-Based Motion Planning Using
Graph Neural Networks [10.698553177585973]
本研究では,衝突チェックを減らし,動作計画の高速化を図るための新しい学習手法を提案する。
経路探索と経路平滑化を行うグラフニューラルネットワーク(GNN)を訓練する。
実験の結果,学習したコンポーネントは衝突チェックを著しく低減し,全体の計画効率を向上できることがわかった。
論文 参考訳(メタデータ) (2022-10-17T09:02:04Z) - Smooth Non-Rigid Shape Matching via Effective Dirichlet Energy
Optimization [46.30376601157526]
ディリクレエネルギーによる点状写像の滑らかさを関数型写像パイプラインに導入する。
本稿では,効率よく最適化するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-10-05T14:07:17Z) - 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) - Tree ensemble kernels for Bayesian optimization with known constraints
over mixed-feature spaces [54.58348769621782]
木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。
ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。
我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
論文 参考訳(メタデータ) (2022-07-02T16:59:37Z) - GraphWalks: Efficient Shape Agnostic Geodesic Shortest Path Estimation [93.60478281489243]
3次元曲面上の測地線経路を近似する学習可能なネットワークを提案する。
提案手法は,最短経路の効率的な近似と測地距離推定を提供する。
論文 参考訳(メタデータ) (2022-05-30T16:22:53Z) - A Metaheuristic Algorithm for Large Maximum Weight Independent Set
Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。
このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。
我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-03-28T21:34:16Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-01-07T08:00:02Z) - Conditional Generative Adversarial Networks for Optimal Path Planning [30.892250698479064]
条件付き生成逆数ネットワーク(CGAN)と修正RT*アルゴリズム(CGANRRT*で記述)に基づく新しい学習経路計画アルゴリズムを提案する。
CGANモデルは、地上の真理マップから学習することで訓練され、それぞれがRRTアルゴリズムの実行結果を1つの生地図上で50回行った結果から生成される。
CGAN-RRT* アルゴリズムと従来の RRT* アルゴリズムを比較することで,この CGAN モデルの有効性を実証する。
論文 参考訳(メタデータ) (2020-12-06T02:53:50Z) - Exploring search space trees using an adapted version of Monte Carlo
tree search for combinatorial optimization problems [0.6882042556551609]
このアプローチでは,問題インスタンスの探索空間木を探索するアルゴリズムを用いる。
このアルゴリズムはモンテカルロ木探索(Monte Carlo tree search)をベースとしている。
論文 参考訳(メタデータ) (2020-10-22T08:33:58Z) - A Study of Performance of Optimal Transport [16.847501106437534]
本稿では,ネットワークの単純化と拡張パスに基づくアルゴリズムが,数値行列スケーリング法より一貫して優れていることを示す。
古典的なKuhn-Munkresアルゴリズムを改良した新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-05-03T20:37:05Z)
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。