文献

J-GLOBAL ID：201702262493913328   整理番号：17A1254040

補助目標の強化に基づく選択を用いたジャンプ機能に及ぼすランダム局所探索の実行時間解析【Powered by NICT】

Runtime Analysis of Random Local Search on JUMP function with Reinforcement Based Selection of Auxiliary Objectives

著者 (2件)： Antipov Denis (ITMO University, 49 Kronverkskiy av., Saint-Petersburg, Russia, 197101) ,  Buzdalova Arina (ITMO University, 49 Kronverkskiy av., Saint-Petersburg, Russia, 197101)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEC  ページ： 2169-2176  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ある最適化問題では,標的目的とは別に,補助目的を用いることができる。これらの補助目的は有用か否かのいずれかである可能性がある。しばしば,補助目的である有用かどうかを決定することができない。本研究では,強化学習を用いたランダムな局所的探索における補助目的を選択する動的EA+RL法を考察した。本法の実行時間は既に異なる単調関数に理論的に解析されており,EA+RLを考慮からの有害補助目的を排除できることを示した。EA+RLも異なる実世界問題上で良好な結果を示した。しかし,この方法は,単純な進化的アルゴリズムと強化学習エージェントを用いた非単調関数を効率的に最適化できるかどうかを理論的に解析されていない。本論文では,EA+RL法による非単調ジャンプ関数の最適化を考察した。二つの補助目的を用いた。それらの一つは,最適化の最初の段階で有用でありもう一つは最終段階で有用である。他の段階について,一定であるので,支援も遅いも最適化をした。EA+RLはランダム局所探索を用いた多項式時間学習なしの従来のランダムな局所的探索のための不可能であるこの問題を解く少なくともΩ(l/n)確率を持つことを示した。も最適値を見出すために保証されることをEA+RLの修正を提案した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 強化学習 ,  学習 ,  *近傍探索法 ,  最適化問題 ,  最適化
準シソーラス用語： 最適値 ,  多項式時間 ,  学習エージェント ,  進化的アルゴリズム ,  *実行時間 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 目標 ,  強化 ,  ジャンプ ,  局所探索 ,  実行時間 ,  解析