論文の概要: How Sequential Algorithm Portfolios can benefit Black Box Optimization

• arxiv url: http://arxiv.org/abs/2601.16896v1
• Date: Fri, 23 Jan 2026 17:02:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.772406
• Title: How Sequential Algorithm Portfolios can benefit Black Box Optimization
• Title（参考訳）: 逐次アルゴリズムポートフォリオはブラックボックス最適化にどのように役立つか
• Authors: Catalin-Viorel Dinu, Diederick Vermetten, Carola Doerr,
• Abstract要約: 予算を複数のアルゴリズムに分割することで、より優れた結果が得られることを示す。 このアプローチは、様々な問題にまたがるアルゴリズムの相補性と、個々の関数におけるばらつきの低減の両方から恩恵を受ける。
• 参考スコア（独自算出の注目度）: 0.13764085113103217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In typical black-box optimization applications, the available computational budget is often allocated to a single algorithm, typically chosen based on user preference with limited knowledge about the problem at hand or according to some expert knowledge. However, we show that splitting the budget across several algorithms yield significantly better results. This approach benefits from both algorithm complementarity across diverse problems and variance reduction within individual functions, and shows that algorithm portfolios do NOT require parallel evaluation capabilities. To demonstrate the advantage of sequential algorithm portfolios, we apply it to the COCO data archive, using over 200 algorithms evaluated on the BBOB test suite. The proposed sequential portfolios consistently outperform single-algorithm baselines, achieving relative performance gains of over 14%, and offering new insights into restart mechanisms and potential for warm-started execution strategies.
• Abstract（参考訳）: 一般的なブラックボックス最適化アプリケーションでは、利用可能な計算予算は1つのアルゴリズムに割り当てられることが多い。 しかし, 予算を複数のアルゴリズムに分割すると, より優れた結果が得られることがわかった。 このアプローチは、様々な問題に対するアルゴリズムの相補性と、個々の関数におけるばらつきの低減の両方から恩恵を受け、アルゴリズムポートフォリオが並列評価能力を必要としないことを示す。 逐次アルゴリズムポートフォリオの利点を実証するために,BBOBテストスイートで評価された200以上のアルゴリズムを用いてCOCOデータアーカイブに適用する。 提案されたシーケンシャルポートフォリオは、単一アルゴリズムベースラインを一貫して上回り、14%以上の相対的なパフォーマンス向上を実現し、再起動機構とウォームスタート実行戦略の可能性に関する新たな洞察を提供する。

関連論文リスト

• Principled Algorithms for Optimizing Generalized Metrics in Binary Classification [53.604375124674796]
  一般化されたメトリクスを最適化するアルゴリズムを導入し、$H$-consistency と finite-sample generalization bounds をサポートする。 提案手法は,メトリクス最適化を一般化したコスト依存学習問題として再検討する。 我々は,理論性能を保証する新しいアルゴリズムMETROを開発した。
  論文  参考訳（メタデータ） (2025-12-29T01:33:42Z)
• Practical, Utilitarian Algorithm Configuration [10.948508157248488]
  ユーティリティ的アルゴリズム構成は、ユーザのユーティリティを最大化する所定のアルゴリズムのパラメータ設定を特定する。 理論的保証を損なうことなく、実証性能を向上させるためのCOUPの一連の改善を提案する。
  論文  参考訳（メタデータ） (2025-10-16T13:47:41Z)
• A Novel Ranking Scheme for the Performance Analysis of Stochastic Optimization Algorithms using the Principles of Severity [9.310464457958844]
  複数の単目的最適化問題に対してアルゴリズムをランク付けする新しいランキング方式を提案する。 アルゴリズムの結果は、ロバストなブートストラップに基づく仮説テスト手法を用いて比較される。
  論文  参考訳（メタデータ） (2024-05-31T19:35:34Z)
• Individualized Privacy Accounting via Subsampling with Applications in Combinatorial Optimization [55.81991984375959]
  本研究では、以下の簡単な観察を通して、個別化されたプライバシ会計を解析する新しい手法を提案する。 我々は、分解可能な部分モジュラーおよびセットアルゴリズム被覆を含む、プライベート最適化問題に対するいくつかの改良されたアルゴリズムを得る。
  論文  参考訳（メタデータ） (2024-05-28T19:02:30Z)
• On Constructing Algorithm Portfolios in Algorithm Selection for Computationally Expensive Black-box Optimization in the Fixed-budget Setting [0.0]
  本稿では,アルゴリズムポートフォリオ構築におけるサンプリングフェーズにおける関数評価の回数を考慮することの重要性を論じる。 その結果,提案手法により構築されたアルゴリズムのポートフォリオは,従来の手法よりも大幅に向上していることがわかった。
  論文  参考訳（メタデータ） (2024-05-13T03:31:13Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• Benchmarking Feature-based Algorithm Selection Systems for Black-box Numerical Optimization [0.0]
  特徴に基づくアルゴリズムの選択は、目に見えない問題において最適化アルゴリズムのポートフォリオから最適なアルゴリズムを自動的に見つけることを目的としている。 本稿では,24個のノイズレスブラックボックス最適化ベンチマーク関数のアルゴリズム選択システムについて分析する。 アルゴリズム選択システムの性能は, 逐次最小二乗プログラミングをプリゾルバとして利用することにより, 大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2021-09-17T07:17:40Z)
• 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)
• Generalization in portfolio-based algorithm selection [97.74604695303285]
  ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。 ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
  論文  参考訳（メタデータ） (2020-12-24T16:33:17Z)
• Efficient Computation of Expectations under Spanning Tree Distributions [67.71280539312536]
  本稿では,エッジファクター,非プロジェクティブ・スパンニングツリーモデルにおいて,一階期待と二階期待の重要なケースに対する統一アルゴリズムを提案する。 我々のアルゴリズムは勾配と期待の基本的な関係を利用しており、効率的なアルゴリズムを導出することができる。
  論文  参考訳（メタデータ） (2020-08-29T14:58:26Z)

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。