論文の概要: A Survey on Automated Design of Metaheuristic Algorithms
- arxiv url: http://arxiv.org/abs/2303.06532v1
- Date: Sun, 12 Mar 2023 01:20:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 18:21:39.614457
- Title: A Survey on Automated Design of Metaheuristic Algorithms
- Title(参考訳): メタヒューリスティックアルゴリズムの自動設計に関する調査
- Authors: Qi Zhao, Qiqi Duan, Bai Yan, Shi Cheng, Yuhui Shi
- Abstract要約: 本稿ではメタヒューリスティックアルゴリズムの自動設計の形式化,方法論,課題,研究動向について概説する。
まず,メタヒューリスティックアルゴリズムの自動設計の概念を提示し,自動設計プロセスを4つの部分に抽象化することで分類を提供する。
- 参考スコア(独自算出の注目度): 16.24321928828649
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Metaheuristic algorithms have attracted wide attention from academia and
industry due to their capability of conducting search independent of problem
structures and problem domains. Often, human experts are requested to manually
tailor algorithms to fit for solving a targeted problem. The manual tailoring
process may be laborious, error-prone, and require intensive specialized
knowledge. This gives rise to increasing interests and demands for automated
design of metaheuristic algorithms with less human intervention. The automated
design could make high-performance algorithms accessible to a much broader
range of researchers and practitioners; and by leveraging computing power to
fully explore the potential design choices, automated design could reach or
even surpass human-level design. This paper presents a broad picture of the
formalization, methodologies, challenges, and research trends of automated
design of metaheuristic algorithms, by conducting a survey on the common
grounds and representative techniques in this field. In the survey, we first
present the concept of automated design of metaheuristic algorithms and provide
a taxonomy by abstracting the automated design process into four parts, i.e.,
design space, design strategies, performance evaluation strategies, and
targeted problems. Then, we overview the techniques concerning the four parts
of the taxonomy and discuss their strengths, weaknesses, challenges, and
usability, respectively. Finally, we present research trends in this field.
- Abstract(参考訳): メタヒューリスティックなアルゴリズムは,問題構造や問題領域に依存しない探索を行う能力から,学界や産業から広く注目を集めている。
多くの場合、人間の専門家は目標とする問題を解決するアルゴリズムを手動で調整するよう要求される。
手動の調整プロセスは手間がかかり、エラーが発生しやすく、集中的な専門知識を必要とする。
これにより、人間の介入が少ないメタヒューリスティックアルゴリズムの自動設計に対する関心や要求が高まる。
この自動設計によって、より広い範囲の研究者や実践者が高性能なアルゴリズムを利用できるようになり、計算能力を活用して潜在的な設計選択を完全に探求することで、自動設計は人間レベルの設計に到達したり、超えたりすることができる。
本稿では,メタヒューリスティックアルゴリズムの自動設計の形式化,方法論,課題,研究動向について,この分野における共通基盤と代表的手法に関する調査を行った。
本調査では,メタヒューリスティックアルゴリズムの自動設計の概念をまず提示し,自動設計プロセスを設計空間,設計戦略,性能評価戦略,対象問題といった4つの部分に抽象化して分類する。
次に,分類学の4つの部分に関するテクニックを概観し,それぞれの強み,弱み,課題,ユーザビリティについて論じる。
最後に,この分野の研究動向を紹介する。
関連論文リスト
- Contractual Reinforcement Learning: Pulling Arms with Invisible Hands [68.77645200579181]
本稿では,契約設計によるオンライン学習問題において,利害関係者の経済的利益を整合させる理論的枠組みを提案する。
計画問題に対して、遠目エージェントに対する最適契約を決定するための効率的な動的プログラミングアルゴリズムを設計する。
学習問題に対して,契約の堅牢な設計から探索と搾取のバランスに至るまでの課題を解き放つために,非回帰学習アルゴリズムの汎用設計を導入する。
論文 参考訳(メタデータ) (2024-07-01T16:53:00Z) - A Survey of Meta-features Used for Automated Selection of Algorithms for Black-box Single-objective Continuous Optimization [4.173197621837912]
単目的連続ブラックボックス最適化の分野におけるアルゴリズム選択への重要な貢献について概説する。
自動アルゴリズム選択、構成、性能予測のための機械学習モデルについて検討する。
論文 参考訳(メタデータ) (2024-06-08T11:11:14Z) - Automated Metaheuristic Algorithm Design with Autoregressive Learning [25.967262411437403]
現在の自動化手法は、固定された構造内でアルゴリズムを設計し、ゼロから操作する。
本稿ではメタヒューリスティックアルゴリズムの自動設計のための自己回帰学習に基づくデザイナを提案する。
論文 参考訳(メタデータ) (2024-05-06T12:36:17Z) - Interactive Multi-Objective Evolutionary Optimization of Software
Architectures [0.0]
人間をループに入れることで、検索ベースのソフトウェアエンジニアリング分野に新たな課題がもたらされる。
本稿では,人間の判断を探索プロセスに統合するための基礎として,インタラクティブな進化的計算がいかに役立つかを考察する。
論文 参考訳(メタデータ) (2024-01-08T19:15:40Z) - Discovering General Reinforcement Learning Algorithms with Adversarial
Environment Design [54.39859618450935]
メタ学習型更新ルールは,広範囲のRLタスクで良好に機能するアルゴリズムの発見を期待して,実現可能であることを示す。
Learned Policy Gradient (LPG)のようなアルゴリズムによる印象的な初期結果にもかかわらず、これらのアルゴリズムが目に見えない環境に適用される場合、まだギャップが残っている。
本研究では,メタ教師付き学習分布の特性が,これらのアルゴリズムの性能に与える影響について検討する。
論文 参考訳(メタデータ) (2023-10-04T12:52:56Z) - Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。
ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。
新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
論文 参考訳(メタデータ) (2023-08-27T03:55:28Z) - Design Automation for Fast, Lightweight, and Effective Deep Learning
Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。
これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。
この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文 参考訳(メタデータ) (2022-08-22T12:12:43Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳(メタデータ) (2022-04-15T20:40:43Z) - AutoOpt: A General Framework for Automatically Designing Metaheuristic
Optimization Algorithms with Diverse Structures [15.140309031326076]
本稿では,多様な構造を持つメタヒューリスティックアルゴリズムを自動設計するための汎用フレームワークAutoOptを提案する。
メタヒューリスティックファミリーをできるだけ広くカバーするアルゴリズムの一般的なプロトタイプ。
提案したプロトタイプに適合する有向非巡回グラフアルゴリズムの表現。
操作対象のグラフの代替コンパクト形式を提供するグラフ表現埋め込み方法。
論文 参考訳(メタデータ) (2022-04-03T05:31:56Z) - A Brief Look at Generalization in Visual Meta-Reinforcement Learning [56.50123642237106]
メタ強化学習アルゴリズムの一般化性能を評価する。
これらのアルゴリズムは、困難なタスクで評価された場合、強いオーバーフィッティングを示すことができる。
論文 参考訳(メタデータ) (2020-06-12T15:17:17Z)
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。