論文の概要: CEC: Crowdsourcing-based Evolutionary Computation for Distributed
Optimization
- arxiv url: http://arxiv.org/abs/2304.05817v1
- Date: Wed, 12 Apr 2023 12:45:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 15:12:12.746899
- Title: CEC: Crowdsourcing-based Evolutionary Computation for Distributed
Optimization
- Title（参考訳）: CEC:分散最適化のためのクラウドソーシングベースの進化計算
- Authors: Feng-Feng Wei, Wei-Neng Chen, Xiao-Qi Guo, Bowen Zhao, Sang-Woon Jeon
and Jun Zhang
- Abstract要約: 本稿では,分散最適化のためのクラウドソーシングに基づく進化計算(CEC)パラダイムを提案する。
CECはクラウドソーシングの最適化作業に役立ち、クラウドソーシングは大規模分散最適化のためのECの空間的制限を破ることができる。
CECの満足な性能を説明するために,クラウドソーシングをベースとしたSwarmが大規模な実験の例として実装されている。
- 参考スコア（独自算出の注目度）: 13.63250395676452
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crowdsourcing is an emerging computing paradigm that takes advantage of the
intelligence of a crowd to solve complex problems effectively. Besides
collecting and processing data, it is also a great demand for the crowd to
conduct optimization. Inspired by this, this paper intends to introduce
crowdsourcing into evolutionary computation (EC) to propose a
crowdsourcing-based evolutionary computation (CEC) paradigm for distributed
optimization. EC is helpful for optimization tasks of crowdsourcing and in
turn, crowdsourcing can break the spatial limitation of EC for large-scale
distributed optimization. Therefore, this paper firstly introduces the paradigm
of crowdsourcing-based distributed optimization. Then, CEC is elaborated. CEC
performs optimization based on a server and a group of workers, in which the
server dispatches a large task to workers. Workers search for promising
solutions through EC optimizers and cooperate with connected neighbors. To
eliminate uncertainties brought by the heterogeneity of worker behaviors and
devices, the server adopts the competitive ranking and uncertainty detection
strategy to guide the cooperation of workers. To illustrate the satisfactory
performance of CEC, a crowdsourcing-based swarm optimizer is implemented as an
example for extensive experiments. Comparison results on benchmark functions
and a distributed clustering optimization problem demonstrate the potential
applications of CEC.
- Abstract（参考訳）: クラウドソーシングは、複雑な問題を解決するために群衆の知性を活用する、新興のコンピューティングパラダイムである。
データの収集と処理に加えて、群衆が最適化を行うための大きな需要でもある。
そこで本研究では,クラウドソーシングを進化計算(EC)に導入し,分散最適化のためのクラウドソーシングベースの進化計算(CEC)パラダイムを提案する。
ECはクラウドソーシングの最適化作業に役立ち、クラウドソーシングは大規模分散最適化のためのECの空間的制限を破ることができる。
そこで本稿では,まずクラウドソーシングに基づく分散最適化のパラダイムを紹介する。
次に、CECを詳述する。
CECはサーバとワーカのグループに基づいて最適化を行い、サーバはワーカに大きなタスクをディスパッチする。
労働者はECオプティマイザを通じて有望なソリューションを探し、接続された隣人と協力します。
作業者行動や装置の不均一性による不確実性を排除するため、サーバは、競争的ランキングと不確実性検出戦略を採用し、作業者の協力を導く。
クラウドソーシングによるSwarmオプティマイザは,CECの良好な性能を示すために,大規模な実験の例として実装されている。
ベンチマーク関数と分散クラスタリング最適化問題の比較結果から,cecの可能性を示す。
関連論文リスト
- Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。
ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。
提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
論文 参考訳（メタデータ） (2023-10-10T00:21:10Z) - 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) - Serverless Federated AUPRC Optimization for Multi-Party Collaborative
Imbalanced Data Mining [119.89373423433804]
有効指標としてAUPRC(Area Under Precision-Recall)を導入した。
サーバーレスのマルチパーティ共同トレーニングは、サーバーノードのボトルネックを避けることで通信コストを削減できる。
本稿では,AUPRCを直接最適化する ServerLess biAsed sTochastic gradiEnt (SLATE) アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-08-06T06:51:32Z) - Robust Prompt Optimization for Large Language Models Against
Distribution Shifts [80.6757997074956]
大規模言語モデル(LLM)は、様々な自然言語処理タスクにおいて重要な能力を示している。
本稿では,LLMの分散シフトに対するロバストな最適化法を提案する。
この問題は、ラベル付けされたソースグループに最適化されたプロンプトを同時にラベル付けされていないターゲットグループに一般化する必要がある。
論文 参考訳（メタデータ） (2023-05-23T11:30:43Z) - A Survey on Distributed Evolutionary Computation [15.416547423369478]
並列および分散コンピューティングシステムに進化計算(EC)を実装するのは自然である。
データは分散的に収集され、処理され、ECに新たな開発方向と新たな課題をもたらす。
本稿では、分散EC(DEC)の体系的なレビューを行い、分散、分散、客観的な分散最適化問題に分類する。
論文 参考訳（メタデータ） (2023-04-12T12:39:24Z) - When Evolutionary Computation Meets Privacy [33.38530737746583]
進化的計算とプライバシー保護が組み合わさって 新たな話題になりつつある
進化的計算におけるプライバシーに関する懸念は、特に対象、モチベーション、位置、およびプライバシー保護の方法に関して、体系的な探索を欠いている。
本稿では,3つの最適化パラダイムにおいて,プライバシ保護の目的とモチベーションを特徴付けるためにBOOMを採用する。
論文 参考訳（メタデータ） (2023-03-22T15:22:15Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳（メタデータ） (2023-01-28T01:50:42Z) - Accelerating the Evolutionary Algorithms by Gaussian Process Regression
with $\epsilon$-greedy acquisition function [2.7716102039510564]
本稿では,最適化の収束を早めるために,エリート個人を推定する新しい手法を提案する。
我々の提案には、エリート個人を推定し、最適化の収束を加速する幅広い見通しがある。
論文 参考訳（メタデータ） (2022-10-13T07:56:47Z) - PECCO: A Profit and Cost-oriented Computation Offloading Scheme in
Edge-Cloud Environment with Improved Moth-flame Optimisation [22.673319784715172]
エッジクラウド計算のオフロードは、クラウドセンタの負担を軽減するための、有望なソリューションである。
そこで本研究では,元のMoth-flame Optimiserの欠陥に対処する改良型Moth-flame optimiser PECCO-MFIを提案する。
論文 参考訳（メタデータ） (2022-08-09T23:26:42Z) - Large Scale Global Optimization Algorithms for IoT Networks: A
Comparative Study [29.884417706421218]
本研究では,無線センサネットワーク(WNS)の高次元での最適化について,分散検出の電力配分に着目して検討する。
大規模グローバル最適化(LGSO)問題に対処するために設計された4つのアルゴリズムを適用し比較する。
我々は,300次元,600次元,800次元の場合には,アルゴリズムの性能をいくつかの異なるケースで評価した。
論文 参考訳（メタデータ） (2021-02-22T18:59:22Z)
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。