論文の概要: Time-Fair Benchmarking for Metaheuristics: A Restart-Fair Protocol for Fixed-Time Comparisons
- arxiv url: http://arxiv.org/abs/2509.08986v1
- Date: Wed, 10 Sep 2025 20:33:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-12 16:52:24.141731
- Title: Time-Fair Benchmarking for Metaheuristics: A Restart-Fair Protocol for Fixed-Time Comparisons
- Title（参考訳）: メタヒューリスティックスのためのタイムフェアベンチマーク:固定時間比較のための再スタートフェアプロトコル
- Authors: Junbo Jacob Lian,
- Abstract要約: この論文は、壁時計時間は、FEのみではなく、公平な比較のための主要な予算制約として機能するべきであることを示唆している。
我々は,各アルゴリズムが同一のウォールクロック時間予算を問題インスタンス毎に割り当てる固定時間再起動時間ベンチマークプロトコルを定式化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Numerous purportedly improved metaheuristics claim superior performance based on equivalent function evaluations (FEs), yet often conceal additional computational burdens in more intensive iterations, preprocessing stages, or hyperparameter tuning. This paper posits that wall-clock time, rather than solely FEs, should serve as the principal budgetary constraint for equitable comparisons. We formalize a fixed-time, restart-fair benchmarking protocol wherein each algorithm is allotted an identical wall-clock time budget per problem instance, permitting unrestricted utilization of restarts, early termination criteria, and internal adaptive mechanisms. We advocate for the adoption of anytime performance curves, expected running time (ERT) metrics, and performance profiles that employ time as the cost measure, all aimed at predefined targets. Furthermore, we introduce a concise, reproducible checklist to standardize reporting practices and mitigate undisclosed computational overheads. This approach fosters more credible and practically relevant evaluations of metaheuristic algorithms.
- Abstract（参考訳）: 多くの改善されたメタヒューリスティックは、等価関数評価(FE)に基づいて優れた性能を主張するが、より集中的なイテレーション、前処理段階、ハイパーパラメータチューニングにおいて、計算上の負担を隠蔽することが多い。
この論文は、壁時計時間は、FEのみではなく、公平な比較のための主要な予算制約として機能するべきであることを示唆している。
我々は,各アルゴリズムが同一のウォールクロック時間予算を問題インスタンス毎に割り当てる固定時間再起動時間ベンチマークプロトコルを定式化し,再起動の無制限利用,早期終了基準,内部適応機構を許容する。
我々は、常にパフォーマンス曲線、予測ランニングタイム(ERT)メトリクス、コスト測定に時間を用いるパフォーマンスプロファイルの採用を提唱します。
さらに、報告プラクティスを標準化し、未公表の計算オーバーヘッドを軽減するために、簡潔で再現可能なチェックリストを導入する。
このアプローチはメタヒューリスティックアルゴリズムの信頼性と実用的な評価を促進する。
関連論文リスト
- Cost-aware Stopping for Bayesian Optimization [53.34052774820105]
本稿では,様々な評価コストに適応し,チューニングが不要なベイズ最適化のためのコスト対応停止則を提案する。
我々は,最先端の取得関数と組み合わせた場合,停止規則によって得られる期待累積評価コストを拘束する理論的な保証を証明した。
論文 参考訳（メタデータ） (2025-07-16T17:54:14Z) - A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [68.43987626137512]
本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。
最適化に基づく最適化手法であるMERITを導入する。
MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
論文 参考訳（メタデータ） (2025-06-23T19:59:30Z) - Temporal fine-tuning for early risk detection [3.8486074790756506]
Web上の早期リスク検出(ERD)は、社会的および健康的な問題に直面しているユーザを素早く特定することを目的としている。
標準的な分類基準は十分ではなく、正確さと遅延を明示的に考慮する特定の指標に頼っている。
本稿では,時間を明示的に組み込むことで,トランスフォーマーモデルに基づくチューニングを可能にする,時間的微調整という,まったく異なる戦略を提案する。
論文 参考訳（メタデータ） (2025-05-16T14:17:03Z) - Quantum Algorithm Exploration using Application-Oriented Performance
Benchmarks [0.0]
Application-Oriented BenchmarksのQED-Cスイートは、量子コンピュータの性能特性を測定する機能を提供する。
我々は,このベンチマーク手法がより複雑なアプリケーションに適用される可能性を広げる上での課題について検討する。
論文 参考訳（メタデータ） (2024-02-14T06:55:50Z) - Early Time Classification with Accumulated Accuracy Gap Control [34.77841988415891]
早期分類アルゴリズムは、完全な入力ストリームを処理することなく、機能のストリームをラベル付けすることを目的としている。
我々は,任意の逐次分類器に適用可能な統計フレームワークを導入し,校正停止規則を定式化する。
提案した早期停止機構は,厳密な精度のギャップ制御を達成しつつ,分類に使用される時間ステップの最大94%を削減できることを示す。
論文 参考訳（メタデータ） (2024-02-01T18:54:34Z) - Learning to Schedule [3.5408022972081685]
本稿では,ジョブが生み出す累積保持コストを最小限に抑えるための学習・スケジューリングアルゴリズムを提案する。
各タイムスロットにおいて、サーバはシステムに残されているジョブのランダム保持コストを受信しながらジョブを処理できる。
論文 参考訳（メタデータ） (2021-05-28T08:04:06Z) - Variance Penalized On-Policy and Off-Policy Actor-Critic [60.06593931848165]
本稿では,平均値と変動値の両方を含むパフォーマンス基準を最適化する,オン・ポリティィおよびオフ・ポリティィ・アクター・クリティカルなアルゴリズムを提案する。
提案手法は, アクタ批判的かつ事前の分散-ペナライゼーションベースラインに匹敵するだけでなく, リターンのばらつきが低いトラジェクトリも生成する。
論文 参考訳（メタデータ） (2021-02-03T10:06:16Z) - Cost-Efficient Online Hyperparameter Optimization [94.60924644778558]
実験の単一実行でヒトのエキスパートレベルのパフォーマンスに達するオンラインHPOアルゴリズムを提案します。
提案するオンラインhpoアルゴリズムは,実験の1回で人間のエキスパートレベルのパフォーマンスに到達できるが,通常のトレーニングに比べて計算オーバーヘッドは少ない。
論文 参考訳（メタデータ） (2021-01-17T04:55:30Z) - Early Classification of Time Series. Cost-based Optimization Criterion
and Algorithms [0.0]
本稿では,誤分類のコストと決定を遅らせるコストの両方を考慮して,新たな最適化基準を提案する。
我々は、待ち時間とバランスを取りながら、将来期待される情報獲得を予想する非ミオピックアルゴリズムのファミリーを考案した。
論文 参考訳（メタデータ） (2020-05-20T10:08:30Z) - Pre-training Is (Almost) All You Need: An Application to Commonsense
Reasoning [61.32992639292889]
事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。
そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。
提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
論文 参考訳（メタデータ） (2020-04-29T10:54:40Z) - Time-varying Gaussian Process Bandit Optimization with Non-constant
Evaluation Time [93.6788993843846]
非定常評価時間を効果的に処理できる新しい時間変化ベイズ最適化アルゴリズムを提案する。
我々の限界は、評価時間列のパターンが問題の難易度に大きな影響を与えることを決定づける。
論文 参考訳（メタデータ） (2020-03-10T13:28:33Z)
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。