論文の概要: FastDiagP: An Algorithm for Parallelized Direct Diagnosis

• arxiv url: http://arxiv.org/abs/2305.06951v1
• Date: Thu, 11 May 2023 16:26:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 14:06:19.585861
• Title: FastDiagP: An Algorithm for Parallelized Direct Diagnosis
• Title（参考訳）: fastdiagp : 並列化直接診断のためのアルゴリズム
• Authors: Viet-Man Le, Cristian Vidal Silva, Alexander Felfernig, David Benavides, Jos\'e Galindo, Thi Ngoc Trang Tran
• Abstract要約: FastDiagは、競合を事前に決定せずに診断計算をサポートする典型的な直接診断アルゴリズムである。 本稿では,投機的プログラミングのアイデアに基づく新しいアルゴリズムであるFastDiagPを提案する。 このメカニズムは、高速な回答で一貫性チェックを提供し、アルゴリズムのランタイムパフォーマンスを高めるのに役立つ。
• 参考スコア（独自算出の注目度）: 64.65251961564606
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constraint-based applications attempt to identify a solution that meets all defined user requirements. If the requirements are inconsistent with the underlying constraint set, algorithms that compute diagnoses for inconsistent constraints should be implemented to help users resolve the "no solution could be found" dilemma. FastDiag is a typical direct diagnosis algorithm that supports diagnosis calculation without predetermining conflicts. However, this approach faces runtime performance issues, especially when analyzing complex and large-scale knowledge bases. In this paper, we propose a novel algorithm, so-called FastDiagP, which is based on the idea of speculative programming. This algorithm extends FastDiag by integrating a parallelization mechanism that anticipates and pre-calculates consistency checks requested by FastDiag. This mechanism helps to provide consistency checks with fast answers and boosts the algorithm's runtime performance. The performance improvements of our proposed algorithm have been shown through empirical results using the Linux-2.6.3.33 configuration knowledge base.
• Abstract（参考訳）: 制約ベースのアプリケーションは、定義されたすべてのユーザー要求を満たすソリューションを特定しようとします。 要件が基礎となる制約セットと矛盾しない場合、不整合性制約の診断を計算するアルゴリズムが実装され、「解決策が見つからない」ジレンマを解決するのに役立つ。 FastDiagは、競合を事前に決定せずに診断計算をサポートする典型的な直接診断アルゴリズムである。 しかし、特に複雑で大規模な知識ベースを分析する場合、このアプローチは実行時のパフォーマンス問題に直面する。 本稿では,投機的プログラミングのアイデアに基づく新しいアルゴリズムであるFastDiagPを提案する。 このアルゴリズムはfastdiagが要求する一貫性チェックを予測および事前計算する並列化機構を統合することでfastdiagを拡張する。 このメカニズムは、迅速な回答で一貫性チェックを提供し、アルゴリズムのランタイムパフォーマンスを向上させる。 提案アルゴリズムの性能改善は,linux-2.6.3.33構成知識ベースを用いた実験結果から明らかにされている。

関連論文リスト

• Hybrid ACO-CI Algorithm for Beam Design problems [0.4397520291340694]
  The novel hybrid version of the Ant colony optimization (ACO) method was developed using the sample space reduction technique of the Cohort Intelligence (CI) algorithm。 提案した研究は、工学領域や医療問題を含む現実世界の応用について検討することができる。
  論文  参考訳（メタデータ） (2023-03-29T04:37:14Z)
• A Sequential Deep Learning Algorithm for Sampled Mixed-integer Optimisation Problems [0.3867363075280544]
  混合整数最適化問題に対する2つの効率的なアルゴリズムを導入,解析する。 両アルゴリズムが最適解に対して有限時間収束を示すことを示す。 3つの数値実験により,これらのアルゴリズムの有効性を定量的に確立する。
  論文  参考訳（メタデータ） (2023-01-25T17:10:52Z)
• Improving the Efficiency of Gradient Descent Algorithms Applied to Optimization Problems with Dynamical Constraints [3.3722008527102894]
  通常の微分方程式を用いて最適化問題を解くための2つのブロック座標降下アルゴリズムを提案する。 このアルゴリズムは損失関数勾配を評価するために直接または随伴感度解析法を実装する必要はない。
  論文  参考訳（メタデータ） (2022-08-26T18:26:50Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• 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)
• An Efficient Diagnosis Algorithm for Inconsistent Constraint Sets [68.8204255655161]
  過制約問題における最小限の障害制約を識別する分割・分散型診断アルゴリズム(FastDiag)を提案する。 ヒットセットの競合指向計算とfastdiagを比較し,詳細な性能解析を行う。
  論文  参考訳（メタデータ） (2021-02-17T19:55:42Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)

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。