Fugu-MT 論文翻訳(概要): Transforming Constraint Programs to Input for Local Search

論文の概要: Transforming Constraint Programs to Input for Local Search

arxiv url: http://arxiv.org/abs/2605.19671v1
Date: Tue, 19 May 2026 11:02:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-20 15:03:09.293027
Title: Transforming Constraint Programs to Input for Local Search
Title（参考訳）: 局所探索のための制約プログラムの入力への変換
Authors: Jo Devriendt, Patrick De Causmaecker, Marc Denecker,
Abstract要約: 制約最適化問題の対称性特性と局所探索近傍の関係を確立する。我々はこのリンクを用いて、IDPシステムのコンテキストにおける制約仕様から地区を自動的に生成する。
参考スコア（独自算出の注目度）: 1.422288795020666
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Applying local search algorithms to combinatorial optimization problems is not an easy feat. Typically, human intervention is required to compile the constraints to input data for some metaheuristic algorithm. In this paper, we establish a link between symmetry properties of constraint optimization problems and local search neighborhoods, and we use this link to automatically generate neighborhoods from a constraint specification in the context of the IDP system. We evaluate the obtained neighborhoods for six classical optimization problems. The resulting observations support the viability of this technique.
Abstract（参考訳）: 局所探索アルゴリズムを組合せ最適化問題に適用することは容易ではない。通常、人間の介入は、メタヒューリスティックアルゴリズムの入力データに対する制約をコンパイルするために必要である。本稿では,制約最適化問題と局所探索近傍の対称性特性のリンクを確立し,このリンクを用いて,IDPシステムのコンテキストにおける制約仕様から近傍を自動的に生成する。 6つの古典的最適化問題に対して得られた地区の評価を行った。結果として得られた観察は、この技法の生存可能性を支持する。

関連論文リスト

Differentially Private Bilevel Optimization: Efficient Algorithms with Near-Optimal Rates [23.143960802555714]
両レベル最適化について検討し、一方の最適化問題を別の内部にネストする。個人のプライバシーに関する懸念から、我々は新しい二段階アルゴリズムを開発した。我々の境界は内部の問題の焦点に依存しない。
論文参考訳（メタデータ） (2025-06-15T23:21:36Z)
Tiered Acquisition for Constrained Bayesian Optimization: An Application to Analog Circuits [5.353688923855625]
本稿では,獲得関数の結合アンサンブルを用いたベイズ最適化アルゴリズムを提案する。この方法は、65nmの2段ミラー補償動作増幅器の利得と面積最適化に有効である。頑健なベースラインと最先端のアルゴリズムと比較して、制約違反を最大38%削減し、目標目標を最大43%改善する。
論文参考訳（メタデータ） (2024-12-23T07:41:43Z)
Stabilized Proximal-Point Methods for Federated Optimization [20.30761752651984]
非加速アルゴリズムの通信複雑性は、分散近位点アルゴリズムであるDANEによって達成される。ハイブリッド投影近点法に着想を得て,新しい分散アルゴリズムS-DANEを提案する。 S-DANEは、S-DANEとして良好な局所計算効率を保ちながら、通信の複雑さを最もよく表すことを示す。
論文参考訳（メタデータ） (2024-07-09T17:56:29Z)
Lower Bounds and Optimal Algorithms for Non-Smooth Convex Decentralized Optimization over Time-Varying Networks [57.24087627267086]
通信ネットワークのノード間で分散的に格納された凸関数の総和を最小化するタスクについて検討する。この問題を解決するのに必要な分散通信数と(サブ)漸進計算の下位境界が確立されている。我々は,これらの下界に適合する最初の最適アルゴリズムを開発し,既存の最先端技術と比較して理論性能を著しく向上させる。
論文参考訳（メタデータ） (2024-05-28T10:28:45Z)
From Inverse Optimization to Feasibility to ERM [11.731853838892487]
パラメータの予測に付加的なコンテキスト情報を利用するコンテキスト逆設定について検討する。合成および実世界の問題に対する我々のアプローチを実験的に検証し,既存手法と比較して性能が向上したことを示す。
論文参考訳（メタデータ） (2024-02-27T21:06:42Z)
Accelerated First-Order Optimization under Nonlinear Constraints [61.98523595657983]
我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
論文参考訳（メタデータ） (2023-02-01T08:50:48Z)
Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
論文参考訳（メタデータ） (2022-07-02T16:59:37Z)
The Minimax Complexity of Distributed Optimization [0.0]
分散最適化に適用可能な古典的なオラクルフレームワークの拡張である「グラフオラクルモデル」を紹介します。私は「間欠的コミュニケーション設定」の具体例に焦点をあてるコンベックス設定におけるSGD(Local Descent)アルゴリズムの理論的特性を解析する。
論文参考訳（メタデータ） (2021-09-01T15:18:33Z)
An Asymptotically Optimal Primal-Dual Incremental Algorithm for Contextual Linear Bandits [129.1029690825929]
複数の次元に沿った最先端技術を改善する新しいアルゴリズムを提案する。非文脈線形帯域の特別な場合において、学習地平線に対して最小限の最適性を確立する。
論文参考訳（メタデータ） (2020-10-23T09:12:47Z)
Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文参考訳（メタデータ） (2020-06-11T17:43:19Z)
Model Inversion Networks for Model-Based Optimization [110.24531801773392]
スコアから入力への逆写像を学習するモデル反転ネットワーク(MIN)を提案する。 MINは高次元の入力空間にスケールでき、コンテキスト最適化と非コンテキスト最適化の両方にオフラインログデータを利用する。我々は,ベイズ最適化の文献から,画像やタンパク質の設計に対する高次元モデルベース最適化問題,ログデータからのコンテキスト的帯域最適化といったタスクのMINを評価した。
論文参考訳（メタデータ） (2019-12-31T18:06:49Z)

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。