論文の概要: Leveraging Large Language Model to Generate a Novel Metaheuristic Algorithm with CRISPE Framework
- arxiv url: http://arxiv.org/abs/2403.16417v1
- Date: Mon, 25 Mar 2024 04:34:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 15:57:31.773147
- Title: Leveraging Large Language Model to Generate a Novel Metaheuristic Algorithm with CRISPE Framework
- Title（参考訳）: 大規模言語モデルを活用したCRISPEフレームワークを用いたメタヒューリスティックアルゴリズム
- Authors: Rui Zhong, Yuefeng Xu, Chao Zhang, Jun Yu,
- Abstract要約: 我々は,大言語モデル (LLM) ChatGPT-3.5 を借りて,少量の入力しか持たない新しいメタヒューリスティックアルゴリズム (MA) を自動かつ迅速に設計する。
動物にインスパイアされた新しい動物探索最適化(ZSO)は、継続的な最適化問題を解決するための動物の集団行動からインスピレーションを得ている。
CEC2014ベンチマーク関数,CEC2022ベンチマーク関数,および6つのエンジニアリング最適化問題に対するZSO処理アルゴリズムの性能について検討した。
- 参考スコア（独自算出の注目度）: 14.109964882720249
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we borrow the large language model (LLM) ChatGPT-3.5 to automatically and quickly design a new metaheuristic algorithm (MA) with only a small amount of input. The novel animal-inspired MA named zoological search optimization (ZSO) draws inspiration from the collective behaviors of animals for solving continuous optimization problems. Specifically, the basic ZSO algorithm involves two search operators: the prey-predator interaction operator and the social flocking operator to balance exploration and exploitation well. Besides, the standard prompt engineering framework CRISPE (i.e., Capacity and Role, Insight, Statement, Personality, and Experiment) is responsible for the specific prompt design. Furthermore, we designed four variants of the ZSO algorithm with slight human-interacted adjustment. In numerical experiments, we comprehensively investigate the performance of ZSO-derived algorithms on CEC2014 benchmark functions, CEC2022 benchmark functions, and six engineering optimization problems. 20 popular and state-of-the-art MAs are employed as competitors. The experimental results and statistical analysis confirm the efficiency and effectiveness of ZSO-derived algorithms. At the end of this paper, we explore the prospects for the development of the metaheuristics community under the LLM era.
- Abstract（参考訳）: 本稿では,新たなメタヒューリスティックアルゴリズム (MA) を少量の入力で自動かつ迅速に設計するために,大規模言語モデル(LLM) ChatGPT-3.5 を借りる。
動物にインスパイアされた新しい動物探索最適化(ZSO)は、継続的な最適化問題を解決するための動物の集団行動からインスピレーションを得ている。
特に、基本的なZSOアルゴリズムは、探索と悪用のバランスをとるために、捕食者相互作用演算子と社会的群れ演算子という2つの探索演算子を含んでいる。
さらに、標準的なプロンプトエンジニアリングフレームワークであるCRISPE(Capacity and Role、Insight、Statement、Personality、Experiment)が、特定のプロンプト設計に責任を負う。
さらに,ZSOアルゴリズムの4つの変種を微調整で設計した。
CEC2014ベンチマーク関数、CEC2022ベンチマーク関数、および6つのエンジニアリング最適化問題に対するZSOアルゴリズムの性能を総合的に検討した。
コンペティターとして20の人気と最先端のMAが採用されている。
実験結果と統計的解析により,ZSO由来のアルゴリズムの有効性と有効性が確認された。
本稿の最後には, LLM時代のメタヒューリスティックスコミュニティの発展の可能性を探る。
関連論文リスト
- SEGO: Sequential Subgoal Optimization for Mathematical Problem-Solving [64.38649623473626]
大規模言語モデル(LLM)は人工知能の大幅な進歩を導いた。
数学的問題を解く能力を高めるために,textbfSEquential subtextbfGoal textbfOptimization (SEGO) という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-19T17:56:40Z) - GOOSE Algorithm: A Powerful Optimization Tool for Real-World Engineering
Challenges and Beyond [1.1802674324027231]
GOOSEアルゴリズムは19のよく知られたテスト関数でベンチマークされる。
提案アルゴリズムは, 最新のベンチマーク関数10を用いて検証する。
得られた結果は,提案アルゴリズムの優れた性能を示すものである。
論文 参考訳（メタデータ） (2023-07-19T19:14:25Z) - Contribution \`a l'Optimisation d'un Comportement Collectif pour un
Groupe de Robots Autonomes [0.0]
この論文は集団ロボット工学の分野、特にマルチロボットシステムの最適化問題を研究している。
最初の貢献は、未知領域探索問題の解決にButterfly Algorithm Optimization (BOA) を用いることである。
第2の貢献は、ロボット工学における動的増分問題をベンチマークするための新しいシミュレーションフレームワークの開発である。
論文 参考訳（メタデータ） (2023-06-10T21:49:08Z) - Maximize to Explore: One Objective Function Fusing Estimation, Planning,
and Exploration [87.53543137162488]
我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。
textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。
様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
論文 参考訳（メタデータ） (2023-05-29T17:25:26Z) - Representation Learning with Multi-Step Inverse Kinematics: An Efficient
and Optimal Approach to Rich-Observation RL [106.82295532402335]
既存の強化学習アルゴリズムは、計算的難易度、強い統計的仮定、最適なサンプルの複雑さに悩まされている。
所望の精度レベルに対して、レート最適サンプル複雑性を実現するための、最初の計算効率の良いアルゴリズムを提供する。
我々のアルゴリズムMusIKは、多段階の逆運動学に基づく表現学習と体系的な探索を組み合わせる。
論文 参考訳（メタデータ） (2023-04-12T14:51:47Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - A General Framework for Sample-Efficient Function Approximation in
Reinforcement Learning [132.45959478064736]
モデルベースとモデルフリー強化学習を統合した汎用フレームワークを提案する。
最適化に基づく探索のための分解可能な構造特性を持つ新しい推定関数を提案する。
本フレームワークでは,OPERA (Optimization-based Exploration with Approximation) という新しいサンプル効率アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-30T17:59:16Z) - LAB: A Leader-Advocate-Believer Based Optimization Algorithm [9.525324619018983]
この原稿は、リーダ・アドボケート・ビリーバーに基づく最適化アルゴリズム(LAB)と呼ばれる、社会にインスパイアされた新しいメタヒューリスティック手法を紹介している。
提案アルゴリズムは、グループ内の個人が同時に改善し、役割(リーダ、アドボケート、ベリバー)を確立しながら示すAIベースの競争行動に着想を得たものである。
論文 参考訳（メタデータ） (2022-04-23T10:58:58Z) - A Simple Evolutionary Algorithm for Multi-modal Multi-objective
Optimization [0.0]
マルチモーダル・多目的最適化問題(MMOP)を解くための定常進化アルゴリズムを提案する。
本報告では,1000関数評価の低計算予算を用いて,様々なテストスイートから得られた21個のMMOPの性能について報告する。
論文 参考訳（メタデータ） (2022-01-18T03:31:11Z) - ES-Based Jacobian Enables Faster Bilevel Optimization [53.675623215542515]
バイレベル最適化(BO)は多くの現代の機械学習問題を解決する強力なツールとして生まれてきた。
既存の勾配法では、ヤコビアンあるいはヘッセンベクトル計算による二階微分近似が必要となる。
本稿では,進化戦略(ES)に基づく新しいBOアルゴリズムを提案し,BOの過勾配における応答ヤコビ行列を近似する。
論文 参考訳（メタデータ） (2021-10-13T19:36:50Z) - A global-local neighborhood search algorithm and tabu search for
flexible job shop scheduling problem [3.946442574906068]
この研究はGLNSA(Global-local neighborhood search algorithm)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。
提案アルゴリズムは,Nopt1地区の簡易版を実装したタブ検索と補完する。
実験の結果,提案アルゴリズムの性能は,最近発表された他のアルゴリズムと比較すると良好であった。
論文 参考訳（メタデータ） (2020-10-23T23:08:51Z)
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。