Fugu-MT 論文翻訳(概要): Route Planning Using Nature-Inspired Algorithms

論文の概要: Route Planning Using Nature-Inspired Algorithms

arxiv url: http://arxiv.org/abs/2307.12133v1
Date: Sat, 22 Jul 2023 17:37:43 GMT
ステータス: 処理完了
システム内更新日: 2023-07-25 17:47:27.737403
Title: Route Planning Using Nature-Inspired Algorithms
Title（参考訳）: 自然感性アルゴリズムを用いた経路計画
Authors: Priyansh Saxena, Raahat Gupta, Akshat Maheshwari
Abstract要約: 最適化問題の解法には、Nature-Inspired Algorithms (NIAs) と呼ばれる多くの異なるアルゴリズムがある。まず、Nature-Inspired Algorithmsの概要と、その分類と一般的な例を紹介する。次に、NIAが経路計画問題をどう解決したかについて論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: There are many different heuristic algorithms for solving combinatorial optimization problems that are commonly described as Nature-Inspired Algorithms (NIAs). Generally, they are inspired by some natural phenomenon, and due to their inherent converging and stochastic nature, they are known to give optimal results when compared to classical approaches. There are a large number of applications of NIAs, perhaps the most popular being route planning problems in robotics - problems that require a sequence of translation and rotation steps from the start to the goal in an optimized manner while avoiding obstacles in the environment. In this chapter, we will first give an overview of Nature-Inspired Algorithms, followed by their classification and common examples. We will then discuss how the NIAs have applied to solve the route planning problem.
Abstract（参考訳）: 組み合わせ最適化問題を解くための多くのヒューリスティックアルゴリズムがあり、一般にNature-Inspired Algorithms (NIAs)と呼ばれる。一般に、それらはいくつかの自然現象に触発され、固有の収束と確率的な性質のため、古典的アプローチと比較して最適な結果を与えることが知られている。ロボット工学における経路計画の問題 - 環境の障害を避けながら、開始から目標までの一連の翻訳と回転のステップを必要とする問題。本章では、まずNature-Inspired Algorithmsの概要と、その分類と一般的な例を紹介する。次に、NIAが経路計画問題をどう解決したかについて論じる。

関連論文リスト

Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
論文参考訳（メタデータ） (2024-08-14T19:04:13Z)
Nature-Inspired Algorithms in Optimization: Introduction, Hybridization and Insights [1.6589012298747952]
ベンチマークは最適化アルゴリズムの性能を評価する上で重要である。本章では、最適化の概要、自然に触発されたアルゴリズム、ハイブリッド化の役割について論じる。
論文参考訳（メタデータ） (2023-08-30T11:33:22Z)
Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文参考訳（メタデータ） (2023-07-17T20:11:56Z)
Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文参考訳（メタデータ） (2022-10-23T22:21:10Z)
Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
論文参考訳（メタデータ） (2022-05-03T07:54:56Z)
A Unified View of Algorithms for Path Planning Using Probabilistic Inference on Factor Graphs [2.4874504720536317]
この研究は、様々なコスト関数から生じる特定の再帰について考察し、スコープに類似しているように見えるが、少なくとも典型的な経路計画問題に適用した場合に違いがある。確率空間とログ空間の両方で提示されるこの統一されたアプローチは、Sum-product、Max-product、Dynamic Programming、混合Reward/Entropy基準に基づくアルゴリズムを含む非常に一般的なフレームワークを提供する。
論文参考訳（メタデータ） (2021-06-19T07:13:15Z)
Nature-Inspired Optimization Algorithms: Research Direction and Survey [0.0]
自然に着想を得たアルゴリズムは、様々な最適化問題を解くのによく用いられる。我々は自然に触発されたアルゴリズムを自然進化ベース、群知性ベース、生物ベース、科学ベースなどと分類する。本研究の目的は, インスピレーション源, 基本演算子, 制御パラメータ, 特徴, 変種, 適用範囲に基づいて, 様々な自然に着想を得たアルゴリズムを網羅的に解析することである。
論文参考訳（メタデータ） (2021-02-08T06:03:36Z)
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)
Mapping of Real World Problems to Nature Inspired Algorithm using Goal based Classification and TRIZ [0.0]
実世界の問題を自然問題にマッピングするためのTRIZに基づく新しい手法を解説する。この枠組みを機能させるためには、自然が達成しようとする最終目標に基づいた新しいNIA分類が考案された。
論文参考訳（メタデータ） (2020-10-08T06:55:31Z)
Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文参考訳（メタデータ） (2020-07-01T18:43:32Z)
Nature-Inspired Optimization Algorithms: Challenges and Open Problems [3.7692411550925673]
科学と工学の問題は、複雑な非線形制約の下で最適化問題として定式化することができる。非常に非線形な問題の解は通常、洗練された最適化アルゴリズムを必要とし、伝統的なアルゴリズムはそのような問題に対処するのに苦労する。現在のトレンドは、柔軟性と有効性から自然にインスパイアされたアルゴリズムを使用することです。
論文参考訳（メタデータ） (2020-03-08T13:00:04Z)

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。