論文の概要: Unknown area exploration for robots with energy constraints using a
modified Butterfly Optimization Algorithm
- arxiv url: http://arxiv.org/abs/2210.14774v1
- Date: Wed, 26 Oct 2022 15:15:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 15:53:36.302478
- Title: Unknown area exploration for robots with energy constraints using a
modified Butterfly Optimization Algorithm
- Title（参考訳）: 修正蝶最適化アルゴリズムを用いたエネルギー制約のあるロボットの未知領域探索
- Authors: Amine Bendahmane and Redouane Tlemsani
- Abstract要約: 本稿では,クロスオーバー演算子に基づく新しいアルゴリズム (xBOA) を提案する。
また,メタヒューリスティックスを用いたエネルギー制約による未知領域探索問題の解法も提案した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Butterfly Optimization Algorithm (BOA) is a recent metaheuristic that has
been used in several optimization problems. In this paper, we propose a new
version of the algorithm (xBOA) based on the crossover operator and compare its
results to the original BOA and 3 other variants recently introduced in the
literature. We also proposed a framework for solving the unknown area
exploration problem with energy constraints using metaheuristics in both
single- and multi-robot scenarios. This framework allowed us to benchmark the
performances of different metaheuristics for the robotics exploration problem.
We conducted several experiments to validate this framework and used it to
compare the effectiveness of xBOA with wellknown metaheuristics used in the
literature through 5 evaluation criteria. Although BOA and xBOA are not optimal
in all these criteria, we found that BOA can be a good alternative to many
metaheuristics in terms of the exploration time, while xBOA is more robust to
local optima; has better fitness convergence; and achieves better exploration
rates than the original BOA and its other variants.
- Abstract（参考訳）: Butterfly Optimization Algorithm (BOA) は、いくつかの最適化問題で使われている最近のメタヒューリスティックである。
本稿では,クロスオーバー演算子に基づく新しいアルゴリズム(xBOA)を提案し,その結果と最近の文献で紹介されているBOAおよび他の3つの変種との比較を行った。
また,単一ロボットと複数ロボットのシナリオにおいて,メタヒューリスティックスを用いたエネルギー制約による未知領域探索問題を解決する枠組みを提案した。
このフレームワークは、ロボット探査問題に対する様々なメタヒューリスティックのパフォーマンスをベンチマークすることを可能にする。
我々は,この枠組みを検証するためにいくつかの実験を行い,xBOAの有効性と文献でよく知られるメタヒューリスティックスを5つの評価基準で比較した。
BOA と xBOA はこれらすべての基準において最適ではないが、探索時間の観点からはBOA が多くのメタヒューリスティックの優れた代替となり得るのに対し、XBOA は局所最適に頑健であり、適合収束が良好であり、BOA と他の変種よりも優れた探索速度が得られる。
関連論文リスト
- Reinforced In-Context Black-Box Optimization [64.25546325063272]
RIBBOは、オフラインデータからエンドツーエンドでBBOアルゴリズムを強化学習する手法である。
RIBBOは、複数の動作アルゴリズムとタスクによって生成される最適化履歴を学習するために、表現的なシーケンスモデルを使用している。
提案手法の中心となるのは,テキストレグレット・ツー・ゴートークンによる最適化履歴の増大である。
論文 参考訳（メタデータ） (2024-02-27T11:32:14Z) - Optimizing with Low Budgets: a Comparison on the Black-box Optimization
Benchmarking Suite and OpenAI Gym [2.511157007295545]
Black-box Optimization (BO)アルゴリズムは機械学習(ML)で人気がある
MLのためのBBOツールと、より古典的なCOCOの比較を行う。
BBOコミュニティのアルゴリズムの中には、MLタスクで驚くほどうまく機能するものもある。
論文 参考訳（メタデータ） (2023-09-29T18:33:10Z) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳（メタデータ） (2023-07-25T09:45:47Z) - Building the Bridge of Schr\"odinger: A Continuous Entropic Optimal
Transport Benchmark [96.06787302688595]
提案手法は, 基本真理 OT 解が構成によって知られている確率分布のペアを作成する方法である。
これらのベンチマークペアを使用して、既存のニューラルネットワーク EOT/SB ソルバが実際に EOT ソリューションをどれだけよく計算しているかをテストする。
論文 参考訳（メタデータ） (2023-06-16T20:03:36Z) - Contribution \`a l'Optimisation d'un Comportement Collectif pour un
Groupe de Robots Autonomes [0.0]
この論文は集団ロボット工学の分野、特にマルチロボットシステムの最適化問題を研究している。
最初の貢献は、未知領域探索問題の解決にButterfly Algorithm Optimization (BOA) を用いることである。
第2の貢献は、ロボット工学における動的増分問題をベンチマークするための新しいシミュレーションフレームワークの開発である。
論文 参考訳（メタデータ） (2023-06-10T21:49:08Z) - Comparison of High-Dimensional Bayesian Optimization Algorithms on BBOB [0.40498500266986387]
我々は,5つの最先端高次元BOアルゴリズムと,バニラとCMA-ESを10変数から60変数の範囲で比較した。
本結果は, CMA-ESに対するBOの優位性を確認し, 限られた評価予算について検証した。
論文 参考訳（メタデータ） (2023-03-02T01:14:15Z) - 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) - MBORE: Multi-objective Bayesian Optimisation by Density-Ratio Estimation [0.01652719262940403]
最適化問題は、しばしば計算的に、あるいは金銭的にコストがかかる複数の矛盾する目標を持つ。
単代理ベイズ最適化(BO)は、そのようなブラックボックス関数を最適化するための一般的なモデルベースのアプローチである。
BOREによるBOの先行研究を多目的設定に拡張する。
論文 参考訳（メタデータ） (2022-03-31T09:27:59Z) - An Improved BAT Algorithm for Solving Job Scheduling Problems in Hotels
and Restaurants [12.641474799416772]
Batアルゴリズム(BA)は、Swarmインテリジェンスファミリーのメタヒューリスティックアルゴリズムの一般的な例である。
本稿では,コンバージェンスを高速化し,大規模アプリケーションでより実用的な手法を実現するため,オリジナルのBAの改良を行った。
改造BAはホテルやレストランの実際のジョブスケジューリング問題を解決するために適用された。
論文 参考訳（メタデータ） (2021-07-25T09:46:52Z) - Syndicated Bandits: A Framework for Auto Tuning Hyper-parameters in
Contextual Bandit Algorithms [74.55200180156906]
文脈的盗賊問題は、探索と搾取の間のトレードオフをモデル化する。
我々のSyndicated Banditsフレームワークは最適な後悔の上限を達成できることを示す。
論文 参考訳（メタデータ） (2021-06-05T22:30:21Z) - 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)
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。