論文の概要: Introducing Interactions in Multi-Objective Optimization of Software
Architectures
- arxiv url: http://arxiv.org/abs/2308.15084v1
- Date: Tue, 29 Aug 2023 07:49:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 12:15:59.873356
- Title: Introducing Interactions in Multi-Objective Optimization of Software
Architectures
- Title(参考訳): ソフトウェアアーキテクチャの多目的最適化におけるインタラクションの導入
- Authors: Vittorio Cortellessa, J. Andres Diaz-Pace, Daniele Di Pompeo,
Sebastian Frank, Pooyan Jamshidi, Michele Tucci, Andr\'e van Hoorn
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.920908475492581
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software architecture optimization aims to enhance non-functional attributes
like performance and reliability while meeting functional requirements.
Multi-objective optimization employs metaheuristic search techniques, such as
genetic algorithms, to explore feasible architectural changes and propose
alternatives to designers. However, the resource-intensive process may not
always align with practical constraints. This study investigates the impact of
designer interactions on multi-objective software architecture optimization.
Designers can intervene at intermediate points in the fully automated
optimization process, making choices that guide exploration towards more
desirable solutions. We compare this interactive approach with the fully
automated optimization process, which serves as the baseline. The findings
demonstrate that designer interactions lead to a more focused solution space,
resulting in improved architectural quality. By directing the search towards
regions of interest, the interaction uncovers architectures that remain
unexplored in the fully automated process.
- Abstract(参考訳): ソフトウェアアーキテクチャの最適化は、機能要件を満たしながら、パフォーマンスや信頼性などの非機能特性を強化することを目的としています。
多目的最適化では、遺伝的アルゴリズムのようなメタヒューリスティック検索技術を用いて、実現可能なアーキテクチャ変更を探索し、デザイナの代替案を提案する。
しかし、リソース集約的なプロセスは常に実用的な制約に合致するとは限らない。
本研究では,設計者のインタラクションが多目的ソフトウェアアーキテクチャ最適化に与える影響について検討する。
設計者は、完全に自動化された最適化プロセスの中間点に介入し、より望ましいソリューションへの探索を導く選択をすることができる。
このインタラクティブなアプローチを,ベースラインとして機能する完全自動最適化プロセスと比較する。
その結果、デザイナのインタラクションがより集中的なソリューション空間に結びつき、アーキテクチャの品質が向上することが示された。
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。
関連論文リスト
- A Survey of Automatic Prompt Engineering: An Optimization Perspective [18.933465526053453]
本稿では,統合最適化理論レンズによる自動プロンプト工学の総合的な研究について紹介する。
我々は離散的かつ連続的でハイブリッドなプロンプト空間上の問題としてプロンプト最適化を定式化する。
制約のある最適化とエージェント指向のプロンプト設計において、未探索のフロンティアを強調した。
論文 参考訳(メタデータ) (2025-02-17T08:48:07Z) - A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。
これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。
本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
論文 参考訳(メタデータ) (2024-12-18T14:11:15Z) - Multiobjective Optimization Analysis for Finding Infrastructure-as-Code
Deployment Configurations [0.3774866290142281]
本稿では,インフラストラクチャ・アズ・コード配置に関する多目的問題に焦点をあてる。
本稿では,9種類の進化型多目的アルゴリズムについて述べる。
フリードマンの非パラメトリックテストを用いて, 独立ランニング後の各手法の結果を比較した。
論文 参考訳(メタデータ) (2024-01-18T13:55:32Z) - 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) - Multi-Agent Reinforcement Learning for Microprocessor Design Space
Exploration [71.95914457415624]
マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。
この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。
評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
論文 参考訳(メタデータ) (2022-11-29T17:10:24Z) - An Interactive Knowledge-based Multi-objective Evolutionary Algorithm
Framework for Practical Optimization Problems [5.387300498478744]
本稿では,対話型知識に基づく進化的多目的最適化(IK-EMO)フレームワークを提案する。
ハイパフォーマンスなソリューションの進化から知識として隠れた変数関係を抽出し、フィードバックを受け取るためにユーザと共有し、その効率を改善するために最適化プロセスに適用する。
提案したIK-EMOの動作は、3つの大規模な実世界のエンジニアリング設計問題で実証されている。
論文 参考訳(メタデータ) (2022-09-18T16:51:01Z) - 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) - A Field Guide to Federated Optimization [161.3779046812383]
フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。
本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
論文 参考訳(メタデータ) (2021-07-14T18:09:08Z) - End-to-End Constrained Optimization Learning: A Survey [69.22203885491534]
機械学習アーキテクチャとソルバと最適化手法を統合する作業の調査に焦点を当てている。
これらのアプローチは、問題に対する迅速、近似、構造的、解決策を予測し、論理的推論を可能にする新しいハイブリッド機械学習と最適化手法を開発することを約束します。
論文 参考訳(メタデータ) (2021-03-30T14:19:30Z) - Investigating Bi-Level Optimization for Learning and Vision from a
Unified Perspective: A Survey and Beyond [114.39616146985001]
機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。
本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。
次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
論文 参考訳(メタデータ) (2021-01-27T16:20:23Z)
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。