論文の概要: Adaptive Scenario Subset Selection for Worst-Case Optimization and its
Application to Well Placement Optimization
- arxiv url: http://arxiv.org/abs/2211.16574v1
- Date: Tue, 29 Nov 2022 20:16:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 16:48:00.404640
- Title: Adaptive Scenario Subset Selection for Worst-Case Optimization and its
Application to Well Placement Optimization
- Title（参考訳）: ワーストケース最適化のための適応シナリオサブセット選択とウェルプレースメント最適化への応用
- Authors: Atsuhiro Miyagi, Kazuto Fukuchi, Jun Sakuma, Youhei Akimoto
- Abstract要約: 連続設計変数と有限シナリオを用いたシミュレーションに基づく最悪の最適化問題を考察する。
シミュレーションの回数を削減し、より優れた局所最適解のための再起動回数を増やすために、適応シナリオサブセット選択(AS3)を提案する。
AS3-CMA-ESは、ブルートフォースアプローチと代理アシストアプローチのlq-CMA-ESよりもシミュレーションの数の方が効率的である。
- 参考スコア（独自算出の注目度）: 22.576922942465142
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this study, we consider simulation-based worst-case optimization problems
with continuous design variables and a finite scenario set. To reduce the
number of simulations required and increase the number of restarts for better
local optimum solutions, we propose a new approach referred to as adaptive
scenario subset selection (AS3). The proposed approach subsamples a scenario
subset as a support to construct the worst-case function in a given
neighborhood, and we introduce such a scenario subset. Moreover, we develop a
new optimization algorithm by combining AS3 and the covariance matrix
adaptation evolution strategy (CMA-ES), denoted AS3-CMA-ES. At each algorithmic
iteration, a subset of support scenarios is selected, and CMA-ES attempts to
optimize the worst-case objective computed only through a subset of the
scenarios. The proposed algorithm reduces the number of simulations required by
executing simulations on only a scenario subset, rather than on all scenarios.
In numerical experiments, we verified that AS3-CMA-ES is more efficient in
terms of the number of simulations than the brute-force approach and a
surrogate-assisted approach lq-CMA-ES when the ratio of the number of support
scenarios to the total number of scenarios is relatively small. In addition,
the usefulness of AS3-CMA-ES was evaluated for well placement optimization for
carbon dioxide capture and storage (CCS). In comparison with the brute-force
approach and lq-CMA-ES, AS3-CMA-ES was able to find better solutions because of
more frequent restarts.
- Abstract（参考訳）: 本研究では,連続設計変数と有限シナリオを用いたシミュレーションに基づく最悪ケース最適化問題を考察する。
最適な局所解のためのシミュレーション数を削減し、再スタート数を増やすため、適応シナリオ部分集合選択 (adaptive scenario subset selection, as3) と呼ばれる新しい手法を提案する。
提案手法は, シナリオサブセットを, 与えられた地区で最悪のケース関数を構築するためのサポートとしてサブサンプリングし, シナリオサブセットを導入する。
さらに,AS3と共分散行列適応進化戦略(CMA-ES)を組み合わせた新しい最適化アルゴリズムを開発した。
各アルゴリズムのイテレーションでは、サポートシナリオのサブセットが選択され、CMA-ESはシナリオのサブセットを通じてのみ計算される最悪の対象を最適化しようとする。
提案アルゴリズムは,シナリオサブセットのみにシミュレーションを実行するために必要なシミュレーション数を,すべてのシナリオではなく削減する。
数値実験により,AS3-CMA-ESは, シナリオ数とシナリオ数との比が比較的小さい場合, ブルートフォース法とサロゲート支援法とlq-CMA-ESのシミュレーション数より効率的であることが確認された。
さらに, 二酸化炭素回収貯蔵(CCS)の適正配置最適化にAS3-CMA-ESの有用性を評価した。
ブルートフォース法とlq-CMA-ESと比較して、AS3-CMA-ESはより頻繁な再起動によりより良い解を見つけることができた。
関連論文リスト
- An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
まず最適化モデルを構築し,非単調な選好をモデル化する。
本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。
2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
論文 参考訳（メタデータ） (2024-09-04T14:36:20Z) - Quantum-Enhanced Simulation-Based Optimization for Newsvendor Problems [5.500172106704342]
古典モンテカルロシミュレーションと比較して量子振幅推定(QAE)の高効率性を利用する。
本研究では,シミュレーションに基づく最適化に量子エンハンスアルゴリズムを用い,NP-hardとして知られる古典ニュース問題の変種を解く。
論文 参考訳（メタデータ） (2024-03-26T05:14:50Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。
また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
論文 参考訳（メタデータ） (2021-04-30T08:50:24Z) - 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) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - Automatic selection of basis-adaptive sparse polynomial chaos expansions
for engineering applications [0.0]
スパースカオス展開のための3つの最新技術に基づく基礎適応的アプローチについて述べる。
我々は,大規模な計算モデルに対して,大域的近似精度の観点から広範なベンチマークを行う。
クロスバリデーションエラーによって導かれる新しい解法と基底適応性選択スキームを導入する。
論文 参考訳（メタデータ） (2020-09-10T12:13:57Z) - 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) - Uncertainty aware Search Framework for Multi-Objective Bayesian
Optimization with Constraints [44.25245545568633]
高価な関数評価を用いた制約付きマルチオブジェクト(MO)ブラックボックス最適化の問題点を考察する。
本稿では,制約付き多目的最適化のための不確実性認識検索フレームワークを提案する。
UeMOCは最適化回路の探索に必要なシミュレーション数を90%以上削減できることを示す。
論文 参考訳（メタデータ） (2020-08-16T23:34:09Z)
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。