論文の概要: Bidirectional Bounded-Suboptimal Heuristic Search with Consistent Heuristics

• arxiv url: http://arxiv.org/abs/2511.10272v1
• Date: Fri, 14 Nov 2025 01:42:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.787409
• Title: Bidirectional Bounded-Suboptimal Heuristic Search with Consistent Heuristics
• Title（参考訳）: 連続的ヒューリスティックスを用いた双方向境界下ヒューリスティック探索
• Authors: Shahaf S. Shperberg, Natalie Morad, Lior Siag, Ariel Felner, Dor Atzmon,
• Abstract要約: 本稿では,解コストの最適値の上限を指定した有界-準最適双方向探索に焦点をあてる。 我々は、最先端の最適双方向探索アルゴリズムであるBAE*を構築し、境界-最適コンテキストに特化して、BAE*のいくつかの変種を導入する。
• 参考スコア（独自算出の注目度）: 7.049213272184215
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in bidirectional heuristic search have yielded significant theoretical insights and novel algorithms. While most previous work has concentrated on optimal search methods, this paper focuses on bounded-suboptimal bidirectional search, where a bound on the suboptimality of the solution cost is specified. We build upon the state-of-the-art optimal bidirectional search algorithm, BAE*, designed for consistent heuristics, and introduce several variants of BAE* specifically tailored for the bounded-suboptimal context. Through experimental evaluation, we compare the performance of these new variants against other bounded-suboptimal bidirectional algorithms as well as the standard weighted A* algorithm. Our results demonstrate that each algorithm excels under distinct conditions, highlighting the strengths and weaknesses of each approach.
• Abstract（参考訳）: 双方向ヒューリスティック検索の最近の進歩は、重要な理論的洞察と新しいアルゴリズムを生み出している。 従来は最適探索法に重点を置いてきたが,本論文では,解コストの準最適性に限定した有界-準最適双方向探索に焦点をあてる。 我々は、一貫したヒューリスティックスのために設計された最先端の最適双方向探索アルゴリズムBAE*を構築し、有界-準最適コンテキストに特化されたBAE*のいくつかの変種を導入する。 実験により、これらの新しい変種の性能を、他の有界-準最適双方向アルゴリズムおよび標準重み付きA*アルゴリズムと比較した。 その結果,それぞれのアルゴリズムは異なる条件下では優れており,それぞれのアプローチの強みと弱みを強調していることがわかった。

関連論文リスト

• Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
  勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。 本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。 合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2024-11-07T17:05:31Z)
• Dynamic Incremental Optimization for Best Subset Selection [15.8362578568708]
  最良のサブセット選択は、多くの学習問題に対する金の標準と見なされている。 主問題構造と双対問題構造に基づいて,効率的な部分集合双対アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-02-04T02:26:40Z)
• 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)
• A novel multiobjective evolutionary algorithm based on decomposition and multi-reference points strategy [14.102326122777475]
  分解に基づく多目的進化アルゴリズム(MOEA/D)は、多目的最適化問題(MOP)を解く上で、極めて有望なアプローチであると考えられている。 本稿では,よく知られたPascoletti-Serafiniスキャラライゼーション法とマルチ参照ポイントの新たな戦略により,MOEA/Dアルゴリズムの改良を提案する。
  論文  参考訳（メタデータ） (2021-10-27T02:07:08Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。