Fugu-MT 論文翻訳(概要): Proposed modified computational model for the amoeba-inspired combinatorial optimization machine

論文の概要: Proposed modified computational model for the amoeba-inspired combinatorial optimization machine

arxiv url: http://arxiv.org/abs/2404.06828v1
Date: Wed, 10 Apr 2024 08:32:29 GMT
ステータス: 処理完了
システム内更新日: 2024-04-11 15:10:01.502818
Title: Proposed modified computational model for the amoeba-inspired combinatorial optimization machine
Title（参考訳）: アメーバにインスパイアされた組合せ最適化マシンのための修正型計算モデルの提案
Authors: Yusuke Miyajima, Masahito Mochizuki,
Abstract要約: そこで本研究では,アメーバの解探索過程の計算モデルにおけるいくつかの要素の役割について検討する。適切な修正によって、ソリューションの品質が著しく向上することが分かっています。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A single-celled amoeba can solve the traveling salesman problem through its shape-changing dynamics. In this paper, we examine roles of several elements in a previously proposed computational model of the solution-search process of amoeba and three modifications towards enhancing the solution-search preformance. We find that appropriate modifications can indeed significantly improve the quality of solutions. It is also found that a condition associated with the volume conservation can also be modified in contrast to the naive belief that it is indispensable for the solution-search ability of amoeba. A proposed modified model shows much better performance.
Abstract（参考訳）: 単セルアメーバは、その形状変化ダイナミクスにより、旅行セールスマンの問題を解決することができる。本稿では,アメーバの解探索プロセスにおける従来提案されていた計算モデルにおけるいくつかの要素の役割と,解探索精度の向上に向けた3つの修正について検討する。適切な修正によって、ソリューションの品質が著しく向上することが分かっています。また、アメーバの解探索能力に欠かせないというナイーブな信念とは対照的に、体積保存に関連する条件も修正可能であることも見いだされた。提案された修正モデルは、はるかに優れたパフォーマンスを示している。

関連論文リスト

Learning Joint Models of Prediction and Optimization [56.04498536842065]
Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
論文参考訳（メタデータ） (2024-09-07T19:52:14Z)
Towards Self-adaptive Mutation in Evolutionary Multi-Objective Algorithms [10.609857097723266]
自己適応が多目的進化アルゴリズムに与える影響について検討する。単一目的最適化とハイパーボリュームに基づく突然変異率の適応は,GSEMOの収束を早めることができることを示す。本稿では,単一目的の最適化を考慮し,各ソリューションの突然変異率を個別に調整する自己適応突然変異GSEMOを提案する。
論文参考訳（メタデータ） (2023-03-08T14:26:46Z)
Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文参考訳（メタデータ） (2023-01-28T01:50:42Z)
Variational Model Perturbation for Source-Free Domain Adaptation [64.98560348412518]
確率的枠組みにおける変分ベイズ推定によるモデルパラメータの摂動を導入する。本研究では,ベイズニューラルネットワークの学習と理論的関連性を実証し,目的領域に対する摂動モデルの一般化可能性を示す。
論文参考訳（メタデータ） (2022-10-19T08:41:19Z)
Computing High-Quality Solutions for the Patient Admission Scheduling Problem using Evolutionary Diversity Optimisation [10.609857097723266]
我々は、現実世界の問題、すなわち患者受け入れスケジューリングに対する進化的多様性の最適化に適応する。本稿では,各解の品質を考慮に入れた一組の解において,構造的多様性を実現するための進化的アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-07-28T14:26:45Z)
Slimmable Domain Adaptation [112.19652651687402]
重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
論文参考訳（メタデータ） (2022-06-14T06:28:04Z)
Optimizer Amalgamation [124.33523126363728]
私たちは、Amalgamationという新しい問題の研究を動機付けています。"Teacher"アマルガメーションのプールを、より強力な問題固有のパフォーマンスを持つ単一の"学生"にどのように組み合わせるべきなのでしょうか? まず、勾配降下による解析のプールをアマルガメートする3つの異なるメカニズムを定義する。また, プロセスの分散を低減するため, 目標を摂動させることでプロセスの安定化を図る。
論文参考訳（メタデータ） (2022-03-12T16:07:57Z)
Adaptive variational Bayes: Optimality, computation and applications [2.4022340214033915]
本稿では,モデル集合上で動作可能な適応型変分ベイズフレームワークを提案する。適応変分ベイズは非常に一般的な条件下で最適な収縮率が得られることを示す。
論文参考訳（メタデータ） (2021-09-07T17:18:28Z)
Emergent Hand Morphology and Control from Optimizing Robust Grasps of Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文参考訳（メタデータ） (2020-12-22T17:52:29Z)
Computing Diverse Sets of Solutions for Monotone Submodular Optimisation Problems [13.026567958569965]
本稿では,サブモジュール最適化問題に対する多種多様な高品質解集合の計算手法を提案する。まず, エントロピーによって測定された多様性について, グリーディサンプリング手法の多様化と解析を行った。次に、進化的多様性最適化手法を導入し、解の集合の多様性をさらに改善する。
論文参考訳（メタデータ） (2020-10-22T07:11:34Z)
Hybrid Adaptive Evolutionary Algorithm for Multi-objective Optimization [0.0]
本稿では、MoHAEAと呼ばれるハイブリッド適応進化アルゴリズム(HAEA)の拡張として、新しい多目的アルゴリズムを提案する。 MoHAEAは、MOEA/D、pa$lambda$-MOEA/D、MOEA/D-AWA、NSGA-IIの4つの状態と比較される。
論文参考訳（メタデータ） (2020-04-29T02:16:49Z)

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。