Fugu-MT 論文翻訳(概要): A socio-physics based hybrid metaheuristic for solving complex non-convex constrained optimization problems

論文の概要: A socio-physics based hybrid metaheuristic for solving complex non-convex constrained optimization problems

arxiv url: http://arxiv.org/abs/2212.03711v1
Date: Fri, 2 Sep 2022 07:46:46 GMT
ステータス: 処理完了
システム内更新日: 2023-01-28 03:52:44.721043
Title: A socio-physics based hybrid metaheuristic for solving complex non-convex constrained optimization problems
Title（参考訳）: 複雑な非凸制約最適化問題の解法のための社会物理学に基づくハイブリッドメタヒューリスティック
Authors: Ishaan R Kale, Anand J Kulkarni, Efren Mezura-Montes
Abstract要約: 提案した制約付き最適化手法を批判的に検証する必要がある。探索は、多数の線形制約と非型不等式を含むため、異なる。最初のCIベースのアルゴリズムには、自己適応型ペナルティアプローチが組み込まれている。第2のアルゴリズムはCI-SAPFと未来の参照特性を組み合わせたものである。
参考スコア（独自算出の注目度）: 0.19662978733004596
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Several Artificial Intelligence based heuristic and metaheuristic algorithms have been developed so far. These algorithms have shown their superiority towards solving complex problems from different domains. However, it is necessary to critically validate these algorithms for solving real-world constrained optimization problems. The search behavior in those problems is different as it involves large number of linear, nonlinear and non-convex type equality and inequality constraints. In this work a 57 real-world constrained optimization problems test suite is solved using two constrained metaheuristic algorithms originated from a socio-based Cohort Intelligence (CI) algorithm. The first CI-based algorithm incorporates a self-adaptive penalty function approach i.e., CI-SAPF. The second algorithm combines CI-SAPF with the intrinsic properties of the physics-based Colliding Bodies Optimization (CBO) referred to CI-SAPF-CBO. The results obtained from CI-SAPF and CI-SAPF-CBO are compared with other constrained optimization algorithms. The superiority of the proposed algorithms is discussed in details followed by future directions to evolve the constrained handling techniques.
Abstract（参考訳）: 人工知能に基づくヒューリスティックおよびメタヒューリスティックアルゴリズムがこれまでにいくつか開発されている。これらのアルゴリズムは、異なる領域から複雑な問題を解くための優位性を示している。しかし、現実の制約付き最適化問題を解決するためには、これらのアルゴリズムを批判的に検証する必要がある。これらの問題の探索行動は、多くの線形、非線形、非凸型等式および不等式制約を伴うため、異なる。本研究では,社会ベースのコホート・インテリジェンス(CI)アルゴリズムから得られた2つの制約付きメタヒューリスティックアルゴリズムを用いて,57個の実世界の制約付き最適化問題を解く。最初のCIベースのアルゴリズムでは、自己適応型ペナルティ関数アプローチ、すなわちCI-SAPFが組み込まれている。第2のアルゴリズムはCI-SAPFと、CI-SAPF-CBOと呼ばれる物理学に基づく衝突体最適化(CBO)の固有の性質を組み合わせたものである。 CI-SAPFとCI-SAPF-CBOの結果は、他の制約付き最適化アルゴリズムと比較される。提案アルゴリズムの優位性を詳細に論じ,その後に制約処理技術の発展に向けた今後の方向性について述べる。

関連論文リスト

BMR and BWR: Two simple metaphor-free optimization algorithms for solving real-life non-convex constrained and unconstrained problems [0.5755004576310334]
本稿では,Best-MeanRandom (BMR) とBest-Worst-Random (BWR) の2つの単純な最適化アルゴリズムについて述べる。
論文参考訳（メタデータ） (2024-07-15T18:11:47Z)
A two-phase-ACO algorithm for solving nonlinear optimization problems subjected to fuzzy relational equations [0.0]
本稿では,制約をファジィリレーショナル方程式(FRE)と定義した非線形最適化問題について検討する。アルゴリズム問題に対処するアリコロニー最適化アルゴリズム(ACORで記述)と連続アリコロニー最適化アルゴリズム(ACOで記述)の連続最適化問題の解法について論じる。
論文参考訳（メタデータ） (2024-05-17T09:24:07Z)
Solution to Advanced Manufacturing Process Problems using Cohort Intelligence Algorithm with Improved Constraint Handling Approaches [0.07989135005592125]
コホートインテリジェンス(CI)アルゴリズムは、設計、製造、サプライチェーン、医療などの領域から制約のない現実の問題を解決するために、社会にインスパイアされた最適化手法である。
論文参考訳（メタデータ） (2023-10-16T05:40:23Z)
Modified LAB Algorithm with Clustering-based Search Space Reduction Method for solving Engineering Design Problems [0.7789406630452325]
本稿では,改良型LABアルゴリズムを提案する。提案アルゴリズムは、ルーレットホイールアプローチとグループ間競争を導入した還元係数を取り入れたものである。アルゴリズムは改良され、より優れたロバスト性と探索空間探索能力を示した。
論文参考訳（メタデータ） (2023-10-04T12:35:13Z)
On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-06-30T05:29:52Z)
Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文参考訳（メタデータ） (2021-11-29T15:10:09Z)
ES-Based Jacobian Enables Faster Bilevel Optimization [53.675623215542515]
バイレベル最適化(BO)は多くの現代の機械学習問題を解決する強力なツールとして生まれてきた。既存の勾配法では、ヤコビアンあるいはヘッセンベクトル計算による二階微分近似が必要となる。本稿では,進化戦略(ES)に基づく新しいBOアルゴリズムを提案し,BOの過勾配における応答ヤコビ行列を近似する。
論文参考訳（メタデータ） (2021-10-13T19:36:50Z)
Bilevel Optimization for Machine Learning: Algorithm Design and Convergence Analysis [12.680169619392695]
この論文は、2レベル最適化アルゴリズムに対する総合収束率解析を提供する。問題に基づく定式化では、AIDおよびITDに基づく2レベルアルゴリズムの収束率解析を行う。そこで我々は,ゆるやかな仮定で形状収束解析を行う加速バイレベルアルゴリズムを開発した。
論文参考訳（メタデータ） (2021-07-31T22:05:47Z)
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)
A Two-stage Framework and Reinforcement Learning-based Optimization Algorithms for Complex Scheduling Problems [54.61091936472494]
本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
論文参考訳（メタデータ） (2021-03-10T03:16:12Z)
A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文参考訳（メタデータ） (2020-06-23T01:34:18Z)

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。

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。