Fugu-MT 論文翻訳(概要): Accelerated Algorithms for a Class of Optimization Problems with Equality and Box Constraints

論文の概要: Accelerated Algorithms for a Class of Optimization Problems with Equality and Box Constraints

arxiv url: http://arxiv.org/abs/2305.04433v1
Date: Mon, 8 May 2023 03:05:55 GMT
ステータス: 処理完了
システム内更新日: 2023-05-09 15:55:31.230569
Title: Accelerated Algorithms for a Class of Optimization Problems with Equality and Box Constraints
Title（参考訳）: 等式とボックス制約を伴う最適化問題のクラスに対する高速化アルゴリズム
Authors: Anjali Parashar, Priyank Srivastava, Anuradha M. Annaswamy
Abstract要約: 等式制約を許容できる新しい高次チューナを提案する。凸性を利用する高次チューナに時間変動ゲインを導入し、制約の有効性を確保する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Convex optimization with equality and inequality constraints is a ubiquitous problem in several optimization and control problems in large-scale systems. Recently there has been a lot of interest in establishing accelerated convergence of the loss function. A class of high-order tuners was recently proposed in an effort to lead to accelerated convergence for the case when no constraints are present. In this paper, we propose a new high-order tuner that can accommodate the presence of equality constraints. In order to accommodate the underlying box constraints, time-varying gains are introduced in the high-order tuner which leverage convexity and ensure anytime feasibility of the constraints. Numerical examples are provided to support the theoretical derivations.
Abstract（参考訳）: 等式と不等式制約を伴う凸最適化は、大規模システムにおけるいくつかの最適化および制御問題においてユビキタス問題である。近年、損失関数の収束を加速させることに多くの関心が寄せられている。近年,制約が存在しない場合の収束を加速するために,高次チューナーのクラスが提案されている。本稿では,等式制約の存在を満足できる新しい高階調律器を提案する。ボックス制約を満たすために、凸性を活用して制約を常に実現可能にする高次チューナーに時間変化ゲインを導入する。理論的導出を支持する数値的な例が提供される。

関連論文リスト

The inexact power augmented Lagrangian method for constrained nonconvex optimization [44.516958213972885]
この研究は、強大な拡張ラグランジアン用語を導入し、拡大項はユークリッドのノルムを権力へと引き上げる。その結果, 長期化に低消費電力を用いると, 残余の減少が遅くなるにもかかわらず, より高速な成長が期待できることがわかった。以上の結果より, 持続時間の短縮には低消費電力が有効であるが, 残留率が低下する傾向が示唆された。
論文参考訳（メタデータ） (2024-10-26T11:31:56Z)
Self-supervised Equality Embedded Deep Lagrange Dual for Approximate Constrained Optimization [5.412875005737914]
ニューラルネットワーク(NN)を用いた高速最適近似器としてDeepLDEを提案する。不等式制約を課すために,DeepLDEと初等・非双対学習法の収束を証明した。提案したDeepLDEソリューションは,最小のNNベースアプローチ間の最適ラグギャップを実現する。
論文参考訳（メタデータ） (2023-06-11T13:19:37Z)
Hybrid Quantum Algorithms integrating QAOA, Penalty Dephasing and Zeno Effect for Solving Binary Optimization Problems with Multiple Constraints [5.259170150405252]
本稿では,制約のサブセットを解決するために標準イジング・ハミルトニアン(Ising Hamiltonian)を併用したハイブリッドフレームワークを提案する。これらの非Ising制約の解決は、ペナルティの軽視または量子ゼノ効果によって達成される。
論文参考訳（メタデータ） (2023-05-14T03:49:10Z)
Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
論文参考訳（メタデータ） (2023-02-01T08:50:48Z)
Learning to Optimize with Stochastic Dominance Constraints [103.26714928625582]
本稿では,不確実量を比較する問題に対して,単純かつ効率的なアプローチを開発する。我々はラグランジアンの内部最適化をサロゲート近似の学習問題として再考した。提案したライト-SDは、ファイナンスからサプライチェーン管理に至るまで、いくつかの代表的な問題において優れた性能を示す。
論文参考訳（メタデータ） (2022-11-14T21:54:31Z)
Exploiting In-Constraint Energy in Constrained Variational Quantum Optimization [7.541345730271882]
一般に、そのような制約は回路内で容易に符号化することができず、量子回路の測定結果が制約を尊重することが保証されない。本稿では,制約付き最適化問題に対する非実装型量子アンサテイズによる新しい解法を提案する。シミュレータや量子ハードウェア上での高速なプロトタイピングのために,QiskitとインターフェースするPythonパッケージであるQVoiceで実装した。
論文参考訳（メタデータ） (2022-11-13T20:58:00Z)
Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。提案手法は(線形速度で)大域的最適値に収束することが示されている。
論文参考訳（メタデータ） (2022-06-03T16:26:38Z)
Faster Algorithm and Sharper Analysis for Constrained Markov Decision Process [56.55075925645864]
制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
論文参考訳（メタデータ） (2021-10-20T02:57:21Z)
Optimization on manifolds: A symplectic approach [127.54402681305629]
本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
論文参考訳（メタデータ） (2021-07-23T13:43:34Z)
On Lower Bounds for Standard and Robust Gaussian Process Bandit Optimization [55.937424268654645]
有界ノルムを持つ関数のブラックボックス最適化問題に対するアルゴリズム非依存な下界を考える。本稿では, 単純さ, 汎用性, エラー確率への依存性の向上など, 後悔の下位境界を導出するための新しい証明手法を提案する。
論文参考訳（メタデータ） (2020-08-20T03:48:14Z)

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。