論文の概要: Automated Design of Metaheuristic Algorithms: A Survey
- arxiv url: http://arxiv.org/abs/2303.06532v3
- Date: Wed, 21 Feb 2024 08:15:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 21:32:44.313683
- Title: Automated Design of Metaheuristic Algorithms: A Survey
- 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: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について概説する。
コンピューターパワーによって、潜在的な設計選択を完全に探求し、自動化された設計は人間レベルの設計に到達し、さらに超える可能性がある。
- 参考スコア(独自算出の注目度): 16.5686507795359
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Metaheuristics have gained great success in academia and practice because
their search logic can be applied to any problem with available solution
representation, solution quality evaluation, and certain notions of locality.
Manually designing metaheuristic algorithms for solving a target problem is
criticized for being laborious, error-prone, and requiring intensive
specialized knowledge. This gives rise to increasing interest in automated
design of metaheuristic algorithms. With computing power to fully explore
potential design choices, the automated design could reach and even surpass
human-level design and could make high-performance algorithms accessible to a
much wider range of researchers and practitioners. This paper presents a broad
picture of automated design of metaheuristic algorithms, by conducting a survey
on the common grounds and representative techniques in terms of design space,
design strategies, performance evaluation strategies, and target problems in
this field.
- Abstract(参考訳): メタヒューリスティクスは、その探索論理が利用可能な解表現、解の品質評価、局所性のある特定の問題に適用できるため、学界や実践において大きな成功を収めている。
対象問題を解決するためのメタヒューリスティックアルゴリズムを手動で設計することは、手間がかかり、エラーが発生し、専門知識が集中的に必要であるとして批判される。
これにより、メタヒューリスティックアルゴリズムの自動設計への関心が高まる。
潜在的な設計選択を完全に探究する計算能力があれば、自動設計は人間レベルの設計に到達し、さらには高性能なアルゴリズムをより広い範囲の研究者や実践者に届けることができるだろう。
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について,設計空間,設計戦略,性能評価戦略,対象問題の共通点と代表的手法について調査を行い,その全体像について述べる。
関連論文リスト
- 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) - Toward Optimal Psychological Functioning in AI-driven Software
Engineering Tasks: The SEWELL-CARE Assessment Framework [0.9208007322096533]
SEWELL-CAREは、AI駆動のソフトウェアエンジニアリングタスクを複数の視点から評価するために設計された概念的なフレームワークである。
技術的側面と人的側面の両方を強調することで、私たちのフレームワークは、従来の技術メトリクスを超えて、微妙な評価を提供します。
論文 参考訳(メタデータ) (2023-11-13T15:44:07Z) - 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) - Introducing Interactions in Multi-Objective Optimization of Software
Architectures [2.920908475492581]
本研究では,設計者のインタラクションがソフトウェアアーキテクチャの最適化に与える影響について検討する。
関心のある領域に探索を向けることで、完全に自動化されたプロセスで探索されていないアーキテクチャを明らかにする。
論文 参考訳(メタデータ) (2023-08-29T07:49:46Z) - 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) - AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。
探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。
学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
論文 参考訳(メタデータ) (2021-03-22T13:28:56Z) - 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。