論文の概要: PS-AAS: Portfolio Selection for Automated Algorithm Selection in Black-Box Optimization

• arxiv url: http://arxiv.org/abs/2310.10685v1
• Date: Sat, 14 Oct 2023 12:13:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 19:44:54.036234
• Title: PS-AAS: Portfolio Selection for Automated Algorithm Selection in Black-Box Optimization
• Title（参考訳）: PS-AAS:ブラックボックス最適化における自動アルゴリズム選択のためのポートフォリオ選択
• Authors: Ana Kostovska, Gjorgjina Cenikj, Diederick Vermetten, Anja Jankovic, Ana Nikolikj, Urban Skvorc, Peter Korosec, Carola Doerr, Tome Eftimov
• Abstract要約: 自動アルゴリズム選択のパフォーマンスは、選択するアルゴリズムのポートフォリオに依存する。 実際には、おそらくポートフォリオのアルゴリズムを選択する最も一般的な方法は、いくつかの参照タスクにおいてうまく機能するアルゴリズムを欲しがる選択である。 提案手法は,アルゴリズムの振る舞いのメタ表現を作成し,そのメタ表現の類似性に基づいて,アルゴリズムの集合からグラフを構築し,グラフアルゴリズムを適用して,多様な,代表的,非冗長なアルゴリズムの最終的なポートフォリオを選択する。
• 参考スコア（独自算出の注目度）: 4.842307002343618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The performance of automated algorithm selection (AAS) strongly depends on the portfolio of algorithms to choose from. Selecting the portfolio is a non-trivial task that requires balancing the trade-off between the higher flexibility of large portfolios with the increased complexity of the AAS task. In practice, probably the most common way to choose the algorithms for the portfolio is a greedy selection of the algorithms that perform well in some reference tasks of interest. We set out in this work to investigate alternative, data-driven portfolio selection techniques. Our proposed method creates algorithm behavior meta-representations, constructs a graph from a set of algorithms based on their meta-representation similarity, and applies a graph algorithm to select a final portfolio of diverse, representative, and non-redundant algorithms. We evaluate two distinct meta-representation techniques (SHAP and performance2vec) for selecting complementary portfolios from a total of 324 different variants of CMA-ES for the task of optimizing the BBOB single-objective problems in dimensionalities 5 and 30 with different cut-off budgets. We test two types of portfolios: one related to overall algorithm behavior and the `personalized' one (related to algorithm behavior per each problem separately). We observe that the approach built on the performance2vec-based representations favors small portfolios with negligible error in the AAS task relative to the virtual best solver from the selected portfolio, whereas the portfolios built from the SHAP-based representations gain from higher flexibility at the cost of decreased performance of the AAS. Across most considered scenarios, personalized portfolios yield comparable or slightly better performance than the classical greedy approach. They outperform the full portfolio in all scenarios.
• Abstract（参考訳）: 自動アルゴリズム選択(aas)の性能は、選択するアルゴリズムのポートフォリオに大きく依存する。 ポートフォリオの選択は、大規模なポートフォリオの柔軟性とAASタスクの複雑さの増大との間のトレードオフのバランスを必要とする、自明なタスクである。 実際には、ポートフォリオのアルゴリズムを選択する最も一般的な方法は、関心のあるいくつかの参照タスクでうまく機能するアルゴリズムの欲張りな選択である。 私たちはこの研究で、データ駆動のポートフォリオ選択の代替手法を調査しました。 提案手法はアルゴリズム行動メタ表現を作成し,そのメタ表現類似性に基づいて一連のアルゴリズムからグラフを構築し,多様,代表的,非冗長なアルゴリズムの最終ポートフォリオを選択するグラフアルゴリズムを適用する。 我々は,324種類のCMA-ESから相補的ポートフォリオを選択するための2つの異なるメタ表現手法(SHAPとPerformance2vec)を,次元5,30のBBOB単目的問題を異なるカットオフ予算で最適化するタスクとして評価した。 我々は,アルゴリズムの全体動作に関連するポートフォリオと,各問題ごとのアルゴリズム動作に関連する‘個人化’ポートフォリオの2種類のポートフォリオをテストする。 性能2vecに基づく表現に基づいて構築されたアプローチは、選択されたポートフォリオの仮想最適解法と比較してAASタスクにおいて無視可能な誤差を持つ小さなポートフォリオを好んでおり、一方、SHAPに基づく表現から構築したポートフォリオは、AASの性能低下による柔軟性の向上から得られる。 ほとんどの考慮されたシナリオにおいて、パーソナライズされたポートフォリオは、古典的な欲望のアプローチと同等あるいはわずかに優れたパフォーマンスをもたらす。 すべてのシナリオにおいて、ポートフォリオ全体のパフォーマンスを上回ります。

関連論文リスト

• Benchmarking the performance of portfolio optimization with QAOA [0.12110562441696866]
  量子近似最適化アルゴリズム(QAOA)の異なるバージョンを用いたポートフォリオ最適化の詳細な研究について述べる。 変動形式と、対応する最適化パラメータを見つけるための古典的アルゴリズムの選択について、いくつかの可能性について論じる。 また,統計的サンプリング誤差(有限ショット数による)とゲートおよびリードアウト誤差(不完全量子ハードウェアによる)の影響も分析した。
  論文  参考訳（メタデータ） (2022-07-21T15:53:46Z)
• A Case Study on Optimization of Warehouses [2.2101681534594237]
  倉庫では、労働者が倉庫の業績の大部分を担っている最も労働集約的でコストがかかる作業である。 本研究は,メザニン倉庫における倉庫配置の最適化と受注問題について,その相互的影響について検討する。
  論文  参考訳（メタデータ） (2021-11-23T07:22:57Z)
• Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
  両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• Portfolio Search and Optimization for General Strategy Game-Playing [58.896302717975445]
  ローリングホライズン進化アルゴリズムに基づく最適化とアクション選択のための新しいアルゴリズムを提案する。 エージェントのパラメータとポートフォリオセットの最適化について,N-tuple Bandit Evolutionary Algorithmを用いて検討する。 エージェントの性能分析により,提案手法はすべてのゲームモードによく一般化し,他のポートフォリオ手法よりも優れることが示された。
  論文  参考訳（メタデータ） (2021-04-21T09:28:28Z)
• Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
  グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。 各種データセットを用いた実験により,提案手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-11T03:25:25Z)
• Generalization in portfolio-based algorithm selection [97.74604695303285]
  ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。 ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
  論文  参考訳（メタデータ） (2020-12-24T16:33:17Z)
• A Tailored NSGA-III Instantiation for Flexible Job Shop Scheduling [18.401817124823832]
  フレキシブルなジョブスケジューリング問題を解決するために、カスタマイズされた進化的アルゴリズムを提案する。 様々な局所探索戦略を用いて、より良い解の近傍パラメータを探索する。 実験結果は,計算予算の削減による優れた性能を示す。
  論文  参考訳（メタデータ） (2020-04-14T14:49:36Z)
• Ranking a set of objects: a graph based least-square approach [70.7866286425868]
  同一労働者の群集によるノイズの多いペアワイズ比較から始まる$N$オブジェクトのランク付けの問題について考察する。 品質評価のために,最小二乗内在的最適化基準に依存する非適応的ランキングアルゴリズムのクラスを提案する。
  論文  参考訳（メタデータ） (2020-02-26T16:19:09Z)
• Stepwise Model Selection for Sequence Prediction via Deep Kernel Learning [100.83444258562263]
  本稿では,モデル選択の課題を解決するために,新しいベイズ最適化(BO)アルゴリズムを提案する。 結果として得られる複数のブラックボックス関数の最適化問題を協調的かつ効率的に解くために,ブラックボックス関数間の潜在的な相関を利用する。 我々は、シーケンス予測のための段階的モデル選択(SMS)の問題を初めて定式化し、この目的のために効率的な共同学習アルゴリズムを設計し、実証する。
  論文  参考訳（メタデータ） (2020-01-12T09:42:19Z)

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。