論文の概要: Better Understandings and Configurations in MaxSAT Local Search Solvers via Anytime Performance Analysis

• arxiv url: http://arxiv.org/abs/2403.06568v1
• Date: Mon, 11 Mar 2024 10:10:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-12 19:32:05.805148
• Title: Better Understandings and Configurations in MaxSAT Local Search Solvers via Anytime Performance Analysis
• Title（参考訳）: 任意のパフォーマンス分析によるMaxSATローカルサーチソリューションの理解と構成の改善
• Authors: Furong Ye, Chuan Luo, Shaowei Cai
• Abstract要約: 本稿では,MaxSATの局所探索性能を常に比較するために,経験的累積分布関数を用いることを実証する。 この評価は,解解器の性能の差異を明らかにし,解器の長所が異なる実行時間に沿って調整されていることを示す。
• 参考スコア（独自算出の注目度）: 21.834696252131405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Though numerous solvers have been proposed for the MaxSAT problem, and the benchmark environment such as MaxSAT Evaluations provides a platform for the comparison of the state-of-the-art solvers, existing assessments were usually evaluated based on the quality, e.g., fitness, of the best-found solutions obtained within a given running time budget. However, concerning solely the final obtained solutions regarding specific time budgets may restrict us from comprehending the behavior of the solvers along the convergence process. This paper demonstrates that Empirical Cumulative Distribution Functions can be used to compare MaxSAT local search solvers' anytime performance across multiple problem instances and various time budgets. The assessment reveals distinctions in solvers' performance and displays that the (dis)advantages of solvers adjust along different running times. This work also exhibits that the quantitative and high variance assessment of anytime performance can guide machines, i.e., automatic configurators, to search for better parameter settings. Our experimental results show that the hyperparameter optimization tool, i.e., SMAC, generally achieves better parameter settings of local search when using the anytime performance as the cost function, compared to using the fitness of the best-found solutions.
• Abstract（参考訳）: MaxSAT問題に対して多くの解法が提案され、MaxSAT Evaluationsのようなベンチマーク環境は最先端の解法の比較のためのプラットフォームを提供するが、既存の評価は通常、与えられた実行時間予算内で得られる最良の解の品質に基づいて評価された。 しかしながら、特定の時間予算に関する最終的な解法のみについては、収束過程における解法の挙動の理解を制限できる可能性がある。 本稿では,複数の問題インスタンスと様々な時間予算にまたがって,MaxSATの局所探索性能を比較するために,経験的累積分布関数が利用できることを示す。 この評価は,解解器の性能の差異を明らかにし,解器の長所が異なる実行時間に沿って調整されていることを示す。 この研究は、任意の時間性能の定量的かつ高分散評価により、機械、すなわち自動設定器を誘導し、より良いパラメータ設定を求めることも示している。 実験結果から,高パラメータ最適化ツールであるSMACは,最適解の適合度よりも,任意の性能をコスト関数として用いる場合の局所探索のパラメータ設定が良好であることがわかった。

関連論文リスト

• LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
  このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。 このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-03T18:12:29Z)
• Controllable Prompt Tuning For Balancing Group Distributional Robustness [53.336515056479705]
  グループ間で優れたパフォーマンスを実現するための最適化スキームを導入し、それらの性能を著しく犠牲にすることなく、全員に良い解決策を見出す。 本稿では,制御可能なプロンプトチューニング(CPT)を提案する。 突発的相関ベンチマークでは, 変換器と非変換器の両アーキテクチャ, および非モーダルおよびマルチモーダルデータにまたがって, 最先端の結果が得られた。
  論文  参考訳（メタデータ） (2024-03-05T06:23:55Z)
• Automatic MILP Solver Configuration By Learning Problem Similarities [1.1585113506994469]
  混合線形プログラム(MILP)は、内部アルゴリズムを制御するために多数の構成パラメータを公開する。 我々は,探索・評価設定のオーバーヘッドを伴わずに,低コストなソリューションを実現する未確認問題インスタンスの構成パラメータを予測することを目的としている。 1つのソルバ構成で同様のコストを持つインスタンスも、同じランタイム環境で別のソルバ構成で同様のコストを持つことを示す。
  論文  参考訳（メタデータ） (2023-07-02T21:31:47Z)
• Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
  興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。 基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。 我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
  論文  参考訳（メタデータ） (2022-09-27T17:51:31Z)
• Uncertainty-Aware Search Framework for Multi-Objective Bayesian Optimization [40.40632890861706]
  高価な関数評価を用いたマルチオブジェクト(MO)ブラックボックス最適化の問題点を考察する。 UeMOと呼ばれる新しい不確実性対応検索フレームワークを提案し、評価のための入力シーケンスを効率的に選択する。
  論文  参考訳（メタデータ） (2022-04-12T16:50:48Z)
• Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
  非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。 本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
  論文  参考訳（メタデータ） (2022-01-28T05:53:28Z)
• Fighting the curse of dimensionality: A machine learning approach to finding global optima [77.34726150561087]
  本稿では,構造最適化問題におけるグローバル最適化の方法を示す。 特定のコスト関数を利用することで、最適化手順が確立された場合と比較して、グローバルをベストに得るか、最悪の場合、優れた結果を得るかのどちらかを得る。
  論文  参考訳（メタデータ） (2021-10-28T09:50:29Z)
• Cost-Efficient Online Hyperparameter Optimization [94.60924644778558]
  実験の単一実行でヒトのエキスパートレベルのパフォーマンスに達するオンラインHPOアルゴリズムを提案します。 提案するオンラインhpoアルゴリズムは,実験の1回で人間のエキスパートレベルのパフォーマンスに到達できるが,通常のトレーニングに比べて計算オーバーヘッドは少ない。
  論文  参考訳（メタデータ） (2021-01-17T04:55:30Z)
• Identifying Properties of Real-World Optimisation Problems through a Questionnaire [2.805617945875364]
  本研究は, 実世界の課題の実態を質問紙で調査する。 これは将来のベンチマーク問題の設計を可能にし、現実世界で見られる問題とよりよく似ている。
  論文  参考訳（メタデータ） (2020-11-11T05:09:01Z)
• Anytime Behavior of Inexact TSP Solvers and Perspectives for Automated Algorithm Selection [0.0]
  トラベリング・サレスパーソン・プロブレム(TSP)は、最もよく知られたNPハード最適化問題の1つである。 我々は、不正確なTSPソルバの任意の動作に対処することで、既存のベンチマーク研究を拡張した。 その結果、解法の性能ランキングは、集中した近似品質に大きく依存していることが判明した。
  論文  参考訳（メタデータ） (2020-05-27T11:36:53Z)
• Analysis of the Performance of Algorithm Configurators for Search Heuristics with Global Mutation Operators [0.0]
  ParamRLSは、局所探索で使用する最適な近傍サイズを効率的に特定できる。 そこで,ParamRLS-Fは,両問題クラスにおける最適パラメータ値の最適化時間よりもかなり小さいカットオフ時間を用いても,最適な突然変異率を識別できることを示す。
  論文  参考訳（メタデータ） (2020-04-09T12:42:30Z)

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。