論文の概要: Comparing Optimization Algorithms Through the Lens of Search Behavior Analysis
- arxiv url: http://arxiv.org/abs/2507.01668v1
- Date: Wed, 02 Jul 2025 12:51:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:23:00.237024
- Title: Comparing Optimization Algorithms Through the Lens of Search Behavior Analysis
- Title（参考訳）: 探索行動解析のレンズによる最適化アルゴリズムの比較
- Authors: Gjorgjina Cenikj, Gašper Petelin, Tome Eftimov,
- Abstract要約: 探索行動に基づくアルゴリズムの比較のための統計的テストの適用性について検討する。
我々はMEALPYライブラリから114のアルゴリズムで生成された解を評価する。
これらの知見は、類似した探索行動を持つアルゴリズムの同定を目的とした経験的分析に組み込まれている。
- 参考スコア（独自算出の注目度）: 4.740182373135037
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The field of numerical optimization has recently seen a surge in the development of "novel" metaheuristic algorithms, inspired by metaphors derived from natural or human-made processes, which have been widely criticized for obscuring meaningful innovations and failing to distinguish themselves from existing approaches. Aiming to address these concerns, we investigate the applicability of statistical tests for comparing algorithms based on their search behavior. We utilize the cross-match statistical test to compare multivariate distributions and assess the solutions produced by 114 algorithms from the MEALPY library. These findings are incorporated into an empirical analysis aiming to identify algorithms with similar search behaviors.
- Abstract（参考訳）: 数値最適化の分野は、自然や人為的なプロセスから派生したメタヒューリスティックなアルゴリズムが発展し、意味のあるイノベーションを隠蔽し、既存のアプローチと区別できないと広く批判されてきた。
これらの問題に対処するため,探索行動に基づくアルゴリズム比較のための統計検査の適用性を検討した。
本稿では,多変量分布を比較し,MEALPYライブラリから114個のアルゴリズムで生成した解を評価するために,クロスマッチ統計試験を利用する。
これらの知見は、類似した探索行動を持つアルゴリズムの同定を目的とした経験的分析に組み込まれている。
関連論文リスト
- A Comparison-Relationship-Surrogate Evolutionary Algorithm for Multi-Objective Optimization [0.0]
比較相関モデルを用いた新しい進化的アルゴリズムCRSEAを提案する。
CRSEAは,多くの中規模・生物客観的問題において,試験されたSAEAよりも優れた収束解を求める。
論文 参考訳（メタデータ） (2025-04-28T01:39:38Z) - Unlock the Power of Algorithm Features: A Generalization Analysis for Algorithm Selection [25.29451529910051]
本稿では,アルゴリズムの特徴に基づくアルゴリズム選択の証明可能な最初の保証を提案する。
アルゴリズムの特徴に関連する利点とコストを分析し、一般化誤差が様々な要因にどのように影響するかを考察する。
論文 参考訳（メタデータ） (2024-05-18T17:38:25Z) - 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) - Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。
局所探索のための政策勾配は、しばしばランダムな摂動から得られる。
目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文 参考訳（メタデータ） (2021-06-22T16:07:02Z) - Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。
提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文 参考訳（メタデータ） (2021-05-23T19:21:55Z) - Benchmarking Simulation-Based Inference [5.3898004059026325]
確率的モデリングの最近の進歩は、確率の数値的評価を必要としないシミュレーションに基づく推論アルゴリズムを多数もたらした。
推論タスクと適切なパフォーマンス指標を備えたベンチマークを,アルゴリズムの初期選択とともに提供する。
性能指標の選択は重要であり、最先端のアルゴリズムでさえ改善の余地があり、逐次推定によりサンプリング効率が向上することがわかった。
論文 参考訳（メタデータ） (2021-01-12T18:31:22Z) - Variance-Reduced Off-Policy Memory-Efficient Policy Search [61.23789485979057]
政治政策の最適化は強化学習において難しい問題である。
オフポリシーアルゴリズムはメモリ効率が高く、オフポリシーサンプルから学ぶことができる。
論文 参考訳（メタデータ） (2020-09-14T16:22:46Z) - Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。
我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-29T09:40:58Z)
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。