論文の概要: Water-Based Metaheuristics: How Water Dynamics Can Help Us to Solve NP-Hard Problems

• arxiv url: http://arxiv.org/abs/2403.12058v1
• Date: Tue, 16 Jan 2024 11:39:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 07:46:43.505746
• Title: Water-Based Metaheuristics: How Water Dynamics Can Help Us to Solve NP-Hard Problems
• Title（参考訳）: 水に基づくメタヒューリスティックス:水力学がNPハード問題の解決にどのように役立つか
• Authors: Fernando Rubio, Ismael Rodríguez,
• Abstract要約: 水に基づく最適化メタヒューリスティックは、過去10年間に導入された。 それらの多くは、何らかの形で、どのようにして落下が海への道を共同で形成するかをエミュレートしています。 一般に、結果のアルゴリズムは探索法や解構築法ではかなり異なる。
• 参考スコア（独自算出の注目度）: 49.7719149179179
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Many water-based optimization metaheuristics have been introduced during the last decade, both for combinatorial and for continuous optimization. Despite the strong similarities of these methods in terms of their underlying natural metaphors (most of them emulate, in some way or another, how drops collaboratively form paths down to the sea), in general the resulting algorithms are quite different in terms of their searching approach or their solution construction approach. For instance, each entity may represent a solution by itself or, alternatively, entities may construct solutions by modifying the landscape while moving. A researcher or practitioner could assume that the degree of similarity between two water-based metaheuristics heavily depends on the similarity of the natural water mechanics they emulate, but this is not the case. In order to bring some clarity to this mosaic of apparently related metaheuristics, in this paper we introduce them, explain their mechanics, and highlight their differences.
• Abstract（参考訳）: 水に基づく最適化メタヒューリスティックは、組合せと連続最適化の両方のために、過去10年間に導入された。 これらの手法は、その基礎となる自然な比喩(多くは、何らかの方法で、どのようにして海に下る経路を共同で形成するかをエミュレートする)において、強い類似性にもかかわらず、一般的には、結果のアルゴリズムは、探索アプローチや解構築アプローチの点でかなり異なる。 例えば、各エンティティはそれ自体でソリューションを表現するか、あるいは移動しながらランドスケープを変更することでソリューションを構築することができる。 研究者や実践者は、2つの水系メタヒューリスティックの類似度が、それらがエミュレートする自然水力学の類似度に大きく依存していると仮定できるが、そうではない。 本稿では, メタヒューリスティックス(メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス, メタヒューリスティックス)のこのモザイックにいくつかの明確さをもたらすために, それらを紹介する。

関連論文リスト

• Towards the Inferrence of Structural Similarity of Combinatorial Landscapes [5.1059158939850064]
  最も一般的な問題の1つは類推である。与えられた問題に対して、解決者はフィットネスのランドスケープの戦略的歩みと見なすことができる。 本研究では、フィットネスランドスケープのプロキシとしてローカルオプティマネットワークを用いて、グラフデータマイニング技術を活用して、それらのランドスケープに埋め込まれた潜伏構造情報を探索する。
  論文  参考訳（メタデータ） (2023-12-05T12:34:51Z)
• Prepotential Approach: a unified approach to exactly, quasi-exactly, and rationally extended solvable quantal systems [0.0]
  ポテンシャル的アプローチ(prepotential approach)と呼ばれる、単純で統一的な方法の概要を簡潔に説明する。 1次元シュラー・オーディンガー方程式の正確な解法と準コンパクト解法の両方を扱う。 我々は、実エネルギーを持つエルミートおよび非エルミートハミルトンのいくつかのパラダイム的な例によるアプローチを説明する。
  論文  参考訳（メタデータ） (2023-10-22T11:40:00Z)
• A Framework for Data-Driven Explainability in Mathematical Optimization [0.0]
  最適化ソフトウェアがブラックボックスとして認識されているため、確実に最適な解決策は受け入れられないかもしれない。 我々は、目的値の横にある別の評価基準として、ソリューションの説明可能性を導入することを提唱する。 説明責任を強制するコストは非常に小さいことが判明した。
  論文  参考訳（メタデータ） (2023-08-16T12:12:24Z)
• Comparison of Single- and Multi- Objective Optimization Quality for Evolutionary Equation Discovery [77.34726150561087]
  進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。 提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
  論文  参考訳（メタデータ） (2023-06-29T15:37:19Z)
• Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
  我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。 物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。 本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
  論文  参考訳（メタデータ） (2023-04-25T15:53:45Z)
• FluidLab: A Differentiable Environment for Benchmarking Complex Fluid Manipulation [80.63838153351804]
  複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。 私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。 微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
  論文  参考訳（メタデータ） (2023-03-04T07:24:22Z)
• Evolutionary optimization of the Verlet closure relation for the hard-sphere and square-well fluids [0.0]
  オルンシュタイン・ゼルニケ方程式は、硬球と正方形井戸の流体に対して解かれる。 ハードスフィア流体では, 平均場方程式と比較すると, 良好な一致を示した。 正方形井戸流体については、低密度および高密度で良好な一致が観察される。
  論文  参考訳（メタデータ） (2022-05-14T18:03:31Z)
• Designing Air Flow with Surrogate-assisted Phenotypic Niching [117.44028458220427]
  品質多様性アルゴリズムであるサロゲート支援表現型ニッチを導入する。 計算に高価な表現型特徴を用いることで、大規模で多様な行動群を発見することができる。 本研究では,2次元流体力学最適化問題における気流の種類を明らかにする。
  論文  参考訳（メタデータ） (2021-05-10T10:45:28Z)
• Inverse Reinforcement Learning with Explicit Policy Estimates [19.159290496678004]
  逆強化学習問題を解くための様々な手法が、機械学習と経済学において独立に開発された。 我々は、それらがすべて共通の形態の勾配、関連する政策と目的によって特徴づけられる最適化問題のクラスに属していることを示しています。 この最適化問題の研究から得られた知見を用いて,様々な問題シナリオを特定し,それらの問題に対する各手法の適合性について検討する。
  論文  参考訳（メタデータ） (2021-03-04T07:00:58Z)
• A Closed-Form Solution to Local Non-Rigid Structure-from-Motion [107.60023055615302]
  広く適用可能な仮定の下では、曲面正規化の観点から新しい方程式系を導出できることが示される。 2つ以上のビューから得られた再構成は、最先端の手法よりもはるかに正確です。
  論文  参考訳（メタデータ） (2020-11-23T17:26:19Z)

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。