論文の概要: Multi-body dynamic evolution sequence-assisted PSO for interval analysis
- arxiv url: http://arxiv.org/abs/2410.07127v1
- Date: Sat, 21 Sep 2024 10:17:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 22:06:43.564512
- Title: Multi-body dynamic evolution sequence-assisted PSO for interval analysis
- Title（参考訳）: 時間間隔解析のための多体動的進化系列支援PSO
- Authors: Xuanlong Wu, Peng Zhong, Weihao Lin,
- Abstract要約: 本稿では,新しい間隔解析手法,すなわち多体動的進化系列支援PSOを提案する。
乱数列の代わりに動的進化列を導入することにより,探索空間をカバーする難易度HCLPSO面に対処する。
ケーススタディの結果,DES-PSOは間隔解析の計算速度を大幅に向上させることができることが示された。
- 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: When the exact probability distribution of input conditions cannot be obtained in practical engineering problems, interval analysis methods are often used to analyze the upper and lower bounds of output responses. Essentially, this can be regarded as an optimization problem, solvable by optimization algorithms. This paper proposes a novel interval analysis method, i.e., multi-body dynamic evolution sequence-assisted PSO (abbreviated as DES-PSO), which combines a dynamical evolutionary sequence with the heterogeneous comprehensive learning particle swarm optimization algorithm (HCLPSO). By introducing the dynamical evolutionary sequence instead of the random sequence, the proposed method addresses the difficulty HCLPSO faces in covering the search space, making it suitable for interval analysis problems. To verify the accuracy and efficiency of the proposed DES-PSO method, this paper solves two case studies using both the DES-PSO and HCLPSO methods. The first case study employs an optimization algorithm to solve the solution domain of a linear interval equation system, and the second case study analyzes the collision and heat conduction of a smartwatch using an optimization method. The results of the case studies demonstrate that DES-PSO can significantly improve the computational speed of interval analysis while ensuring accuracy, providing a new approach to solving complex interval analysis problems.
- Abstract（参考訳）: 実際の工学的な問題では入力条件の正確な確率分布が得られない場合、出力応答の上下境界を解析するために間隔解析法がしばしば用いられる。
基本的に、これは最適化アルゴリズムによって解ける最適化問題と見なすことができる。
本稿では,多体動的進化系列支援PSO(DES-PSO)と異種総合学習粒子群最適化アルゴリズム(HCLPSO)を組み合わせた新しい間隔解析手法を提案する。
乱数列の代わりに動的進化系列を導入することにより,探索空間をカバーするHCLPSOの難易度に対処し,区間解析問題に適合する。
本稿では,DES-PSO法とHCLPSO法の両方を用いて,DES-PSO法の精度と効率性を検証する。
第1のケーススタディでは,線形区間方程式系の解領域を解くために最適化アルゴリズムを用い,第2のケーススタディでは,最適化手法を用いてスマートウォッチの衝突と熱伝導を分析する。
ケーススタディの結果、DES-PSOは精度を確保しつつ間隔解析の計算速度を大幅に向上し、複雑な区間解析問題を解くための新しいアプローチを提供する。
関連論文リスト
- A Simulation-Free Deep Learning Approach to Stochastic Optimal Control [12.699529713351287]
最適制御(SOC)における一般問題の解法のためのシミュレーションフリーアルゴリズムを提案する。
既存の手法とは異なり、我々の手法は随伴問題の解を必要としない。
論文 参考訳（メタデータ） (2024-10-07T16:16:53Z) - ODE-based Learning to Optimize [28.380622776436905]
我々は、慣性系とヘッセン駆動制振方程式(ISHD)を統合した包括的枠組みを提案する。
収束・安定条件を考慮した停止時間を最小化することを目的とした新しい学習法(L2O)を定式化する。
本フレームワークの実証検証は,多種多様な最適化問題に対する広範な数値実験を通じて行われる。
論文 参考訳（メタデータ） (2024-06-04T06:39:45Z) - Asymptotic Dynamics of Alternating Minimization for Bilinear Regression [2.992602379681373]
交代最小化の力学は進化記憶における二次元的依存によって効果的に記述できることを示す。
この研究で開発された理論的枠組みは、反復最小化の範囲を超えて、様々な反復アルゴリズムの分析に適用できる。
論文 参考訳（メタデータ） (2024-02-07T11:09:10Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Reweighted Interacting Langevin Diffusions: an Accelerated Sampling
Methodfor Optimization [28.25662317591378]
本稿では, サンプリング手法を高速化し, 難解な最適化問題の解法を提案する。
提案手法は, 後部分布サンプリングとLangevin Dynamicsを用いた最適化の関連性について検討する。
論文 参考訳（メタデータ） (2023-01-30T03:48:20Z) - Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。
厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。
このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文 参考訳（メタデータ） (2021-11-29T15:10:09Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - Two-Stage Stochastic Optimization via Primal-Dual Decomposition and Deep
Unrolling [86.85697555068168]
2段階のアルゴリズム最適化は、様々な工学や科学的応用において重要な役割を果たす。
特に長期変数と短期変数が制約の中で結合されている場合、アルゴリズムは効率的ではない。
PDD-SSCAが既存のソリューションよりも優れたパフォーマンスを達成できることを示します。
論文 参考訳（メタデータ） (2021-05-05T03:36:00Z) - A Dynamical Systems Approach for Convergence of the Bayesian EM
Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。
本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。
高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文 参考訳（メタデータ） (2020-06-23T01:34:18Z) - On the Convergence of the Dynamic Inner PCA Algorithm [5.9931120596636935]
DiPCAは時間依存データ解析のための強力な手法である。
これは座標分解アルゴリズムの特殊な変種であることを示す。
分解戦略のパフォーマンスを既成のそれと比較する。
論文 参考訳（メタデータ） (2020-03-12T17:50:34Z) - Optimization with Momentum: Dynamical, Control-Theoretic, and Symplectic
Perspectives [97.16266088683061]
この論文は、運動量に基づく最適化アルゴリズムにおいてシンプレクティックな離散化スキームが重要であることを厳格に証明している。
これは加速収束を示すアルゴリズムの特性を提供する。
論文 参考訳（メタデータ） (2020-02-28T00:32:47Z)
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。