論文の概要: Exploitation Strategies in Conditional Markov Chain Search: A case study
on the three-index assignment problem
- arxiv url: http://arxiv.org/abs/2402.00076v1
- Date: Tue, 30 Jan 2024 22:13:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 18:03:58.999851
- Title: Exploitation Strategies in Conditional Markov Chain Search: A case study
on the three-index assignment problem
- Title(参考訳): 条件付きマルコフ連鎖探索における活用戦略--3-index割り当て問題に関する事例研究
- Authors: Sahil Patel and Daniel Karapetyan
- Abstract要約: Conditional Markov Chain Search (CMCS) は、離散最適化問題に対するメタヒューリスティックの自動設計のためのフレームワークである。
本研究では,その活用能力を向上させるために,フレームワークのいくつかの拡張について検討する。
実験の結果,2段CMCSは1段CMCSよりも優れていることがわかった。
- 参考スコア(独自算出の注目度): 0.48346848229502226
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Conditional Markov Chain Search (CMCS) is a framework for automated
design of metaheuristics for discrete combinatorial optimisation problems.
Given a set of algorithmic components such as hill climbers and mutations, CMCS
decides in which order to apply those components. The decisions are dictated by
the CMCS configuration that can be learnt offline. CMCS does not have an
acceptance criterion; any moves are accepted by the framework. As a result, it
is particularly good in exploration but is not as good at exploitation. In this
study, we explore several extensions of the framework to improve its
exploitation abilities. To perform a computational study, we applied the
framework to the three-index assignment problem. The results of our experiments
showed that a two-stage CMCS is indeed superior to a single-stage CMCS.
- Abstract(参考訳): Conditional Markov Chain Search (CMCS) は、離散組合せ最適化問題に対するメタヒューリスティックの自動設計のためのフレームワークである。
ヒルクライマーやミュータントなどのアルゴリズム的なコンポーネントが与えられると、cmcはどのコンポーネントを適用するかを決定する。
決定は、オフラインで学習できるcmc設定によって決定される。
CMCSは受け入れ基準を持っておらず、いかなる動きもフレームワークによって受け入れられる。
その結果、特に探検には適しているが、搾取には適していない。
本研究では,フレームワークの活用能力を向上させるための拡張について検討する。
計算研究を行うため,我々はこの枠組みを3インデックス割当問題に適用した。
実験の結果,2段CMCSは1段CMCSよりも優れていることがわかった。
関連論文リスト
- Weakly Supervised Co-training with Swapping Assignments for Semantic
Segmentation [23.318478633472253]
クラスアクティベーションマップ(CAM)は通常、擬似ラベルを生成するために弱教師付きセマンティックセマンティックセグメンテーション(WSSS)で使用される。
我々は、ガイド付きCAMを組み込んだエンドツーエンドWSSSモデルを提案し、CAMをオンラインで同時最適化しながらセグメンテーションモデルを訓練する。
CoSAは、追加の監督を持つものを含む、既存のマルチステージメソッドをすべて上回る、最初のシングルステージアプローチである。
論文 参考訳(メタデータ) (2024-02-27T21:08:23Z) - LightZero: A Unified Benchmark for Monte Carlo Tree Search in General
Sequential Decision Scenarios [32.83545787965431]
学習モデルを用いた木探索計画能力に基づくエージェントの構築は、GoやAtariといった古典的な意思決定問題において大きな成功を収めている。
モンテカルロ木探索(MCTS)ベースのアルゴリズムを様々な現実世界のアプリケーションに拡張することは困難または不可能であるとみなされている。
本稿では,MCTS/MuZeroを一般的な逐次決定シナリオに展開するための最初の統一ベンチマークであるLightZeroを紹介する。
論文 参考訳(メタデータ) (2023-10-12T14:18:09Z) - Continuous Monte Carlo Graph Search [61.11769232283621]
連続モンテカルログラフサーチ(Continuous Monte Carlo Graph Search, CMCGS)は、モンテカルログラフサーチ(MCTS)のオンラインプランニングへの拡張である。
CMCGSは、計画中、複数の州で同じ行動方針を共有することで高いパフォーマンスが得られるという洞察を生かしている。
並列化によってスケールアップすることができ、学習力学モデルによる連続制御においてクロスエントロピー法(CEM)よりも優れている。
論文 参考訳(メタデータ) (2022-10-04T07:34:06Z) - Actor-Critic based Improper Reinforcement Learning [61.430513757337486]
我々は,未知のマルコフ決定プロセスに対して,学習者に100万ドルのベースコントローラを付与する不適切な強化学習環境を考える。
本稿では,(1)ポリシーグラディエントに基づくアプローチ,(2)単純なアクター・クリティカル・スキームとNatural Actor-Criticスキームを切り替えるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-07-19T05:55:02Z) - SC^2-PCR: A Second Order Spatial Compatibility for Efficient and Robust
Point Cloud Registration [32.87420625579577]
本稿では,2次空間整合性(SC2)尺度を提案する。
この測定に基づいて,我々の登録パイプラインは,初期対応から信頼性の高い種子を見つけるために,グローバルスペクトル技術を用いている。
提案手法では,サンプリングを少なくすることで,一定の数の外れ値のないコンセンサス集合を見つけることが保証される。
論文 参考訳(メタデータ) (2022-03-28T02:41:28Z) - Bayesian decision-making under misspecified priors with applications to
meta-learning [64.38020203019013]
トンプソンサンプリングやその他のシーケンシャルな意思決定アルゴリズムは、文脈的包帯における探索と探索のトレードオフに取り組むための一般的なアプローチである。
性能は不特定な事前条件で優雅に低下することを示す。
論文 参考訳(メタデータ) (2021-07-03T23:17:26Z) - Modularity in Reinforcement Learning via Algorithmic Independence in
Credit Assignment [79.5678820246642]
提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。
我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
論文 参考訳(メタデータ) (2021-06-28T21:29:13Z) - A Framework For Contrastive Self-Supervised Learning And Designing A New
Approach [78.62764948912502]
コントラスト型自己教師学習(コントラスト型自己教師学習、Contrastive self-supervised learning、CSL)は、プレテキストタスクを解くことで有用な表現を学習する手法である。
本稿では,CSLアプローチを5つの側面で特徴付ける概念的枠組みを提案する。
論文 参考訳(メタデータ) (2020-08-31T21:11:48Z) - Improved Algorithms for Conservative Exploration in Bandits [113.55554483194832]
文脈線形帯域設定における保守的学習問題について検討し、新しいアルゴリズムである保守的制約付きLinUCB(CLUCB2)を導入する。
我々は、既存の結果と一致したCLUCB2に対する後悔の限界を導き、多くの合成および実世界の問題において、最先端の保守的バンディットアルゴリズムよりも優れていることを実証的に示す。
論文 参考訳(メタデータ) (2020-02-08T19:35:01Z) - Benchmarking Symbolic Execution Using Constraint Problems -- Initial
Results [6.961253535504978]
シンボル実行はバグ発見とプログラムテストのための強力なテクニックである。
我々はCSPベンチマークをシンボル実行ツールの推論能力をテストするのに適したCプログラムに変換する。
論文 参考訳(メタデータ) (2020-01-22T08:48:55Z)
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。