論文の概要: CSF: Fixed-outline Floorplanning Based on the Conjugate Subgradient Algorithm Assisted by Q-Learning

• arxiv url: http://arxiv.org/abs/2504.03796v1
• Date: Fri, 04 Apr 2025 04:01:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:10:32.472823
• Title: CSF: Fixed-outline Floorplanning Based on the Conjugate Subgradient Algorithm Assisted by Q-Learning
• Title（参考訳）: CSF:Q-Learningの支援による共役次数次アルゴリズムに基づく固定アウトラインフロアプランニング
• Authors: Huabin Cheng, Rujie Chen, Yu Chen, Wei Zhang, Ning Xu,
• Abstract要約: 実験結果から,Q-learning(CSAQ)を補助するCSAは,グローバルなフロアプランニングと合法化の両方を効率的に行うことができることがわかった。 2つのステージは、ワイヤ長の最適化に関する競争結果に共同で寄与する。
• 参考スコア（独自算出の注目度）: 8.771277942456972
• License:
• Abstract: To perform the fixed-outline floorplanning problem efficiently, we propose to solve the original nonsmooth analytic optimization model via the conjugate subgradient algorithm (CSA), which is further accelerated by adaptively regulating the step size with the assistance of Q-learning. The objective for global floorplanning is a weighted sum of the half-perimeter wirelength, the overlapping area and the out-of-bound width, and the legalization is implemented by optimizing the weighted sum of the overlapping area and the out-of-bound width. Meanwhile, we also propose two improved variants for the legalizaiton algorithm based on constraint graphs (CGs). Experimental results demonstrate that the CSA assisted by Q-learning (CSAQ) can address both global floorplanning and legalization efficiently, and the two stages jointly contribute to competitive results on the optimization of wirelength. Meanwhile, the improved CG-based legalization methods also outperforms the original one in terms of runtime and success rate.
• Abstract（参考訳）: 固定アウトラインフロアプランニング問題を効率的に行うために,Q-ラーニングの助けを借りて,ステップサイズを適応的に調整することによってさらに高速化される共役次数次アルゴリズム (CSA) を用いて,元の非滑らかな解析最適化モデルを解くことを提案する。 大域的なフロアプランニングの目的は、半周波線長、重み付け面積、外接幅の重み付け和であり、重み付け面積と外接幅の重み付け和を最適化して法定化を行う。 また,制約グラフ(CG)に基づく法定アイザイトンアルゴリズムの2つの改良版も提案する。 実験の結果,Q-learning(CSAQ)によるCSAは,グローバルなフロアプランニングと合法化の両方を効率的に行うことができ,その2つの段階が有線長の最適化において競争的な結果に寄与することが確認された。 一方、改良されたCGベースの法定化法は、実行率と成功率という点で元の法定化法よりも優れている。

関連論文リスト

• Adaptive Consensus Gradients Aggregation for Scaled Distributed Training [6.234802839923543]
  サブスペース最適化のレンズを用いて分散勾配凝集過程を解析する。 本手法は,複数のタスクのユビキタス平均化に対して,通信量と計算量の両方において極めて効率的でありながら,性能の向上を実証する。
  論文  参考訳（メタデータ） (2024-11-06T08:16:39Z)
• Floorplanning of VLSI by Mixed-Variable Optimization [42.82770651937298]
  本稿では,混合変数のフロアプランニング問題を解くためのメメティックアルゴリズムを提案する。 提案アルゴリズムは、著名なB*木に基づくフロアプランニングアルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2024-01-27T06:34:16Z)
• PARL: A Unified Framework for Policy Alignment in Reinforcement Learning from Human Feedback [106.63518036538163]
  我々は、強化学習におけるポリシーアライメントの最近強調された重要な問題に対処するために、新しい統合された二段階最適化ベースのフレームワーク、textsfPARLを提案する。 本フレームワークは, 上向きの目標(逆設計)の分布を, 下向きの最適変数で明示的にパラメータ化することにより, これらの問題に対処する。 その結果,提案したtextsfPARL が RL のアライメントの懸念に対処できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-03T18:03:44Z)
• Efficient Federated Learning via Local Adaptive Amended Optimizer with Linear Speedup [90.26270347459915]
  そこで我々は,グローバル・アダプティカル・アダプティカル・アダプティカル・アダプティカル・アダプティカル・アルゴリズムを提案する。 textitLADAは通信ラウンドを大幅に削減し、複数のベースラインよりも高い精度を実現する。
  論文  参考訳（メタデータ） (2023-07-30T14:53:21Z)
• Stochastic Unrolled Federated Learning [85.6993263983062]
  本稿では,UnRolled Federated Learning (SURF)を導入する。 提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
  論文  参考訳（メタデータ） (2023-05-24T17:26:22Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• Accelerating the Genetic Algorithm for Large-scale Traveling Salesman Problems by Cooperative Coevolutionary Pointer Network with Reinforcement Learning [2.7716102039510564]
  CCPNRL-GAという大規模トラベリングセールスマン問題(LSTSP)を解決するための2段階最適化手法を提案する。 まず、エリートとしての優れた個人への参加は、最適化の収束を加速できるという仮説を立てる。 提案手法を10 LSTSPで検証し,従来のEAと比較した。
  論文  参考訳（メタデータ） (2022-09-27T00:06:04Z)
• A method for escaping limit cycles in training GANs [0.0]
  まず,一般双線型ゲームにおけるPCAAの最終点収束率の上下境界を導出する。 次に,PCAAと適応モーメント推定アルゴリズム(Adam)を組み合わせることで,GANを訓練するための実践的アプローチであるPCAA-Adamを提案する。
  論文  参考訳（メタデータ） (2020-10-07T10:48:18Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)

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。