文献

J-GLOBAL ID：201802291139590162   整理番号：18A0586972

マルチエージェント最適化アルゴリズムの経験的比較【Powered by NICT】

An empirical comparison of multi-agent optimization algorithms

著者 (2件)： Assran Mahmoud (Electrical and Computer Engineering, McGill University, Montreal, Canada) ,  Rabbat Michael (Electrical and Computer Engineering, McGill University, Montreal, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GlobalSIP  ページ： 573-577  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： 過去10年間に大規模凸最適化問題を解くための分散アルゴリズムの大多数は文献で提案された,解析,特にマルチエージェントシステムの観点からされてきた。が最も望ましい理論的特性を持つアルゴリズムかなり良く理解されているが,これらのアルゴリズムの実用的な実装を調査し評価する研究はほとんどされており,理論と実際の間の重要なギャップがある。例えば,理論的解析の多くは非同期性と通信遅延のような重要な実用上の問題を無視している。本論文では,コード大規模凸最適化とオープンソースのための非二重確率的マルチエージェント分散最適化アルゴリズムの経験的評価を行った。一次非同期劣勾配最適化アルゴリズムは実際に高性能クラスタ上で動作する小及び大両マルチエージェントネットワークのための実際的なシナリオにおける最新の同期アルゴリズム以上に性能を発揮できることを見出した。Copyright 2018 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： *アルゴリズム ,  クラスタ ,  分散アルゴリズム ,  マルチエージェントシステム
準シソーラス用語： 経験的評価 ,  オープンソース ,  凸最適化 ,  通信遅れ ,  凸最適化問題 ,  *最適アルゴリズム ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルチエージェント ,  最適化アルゴリズム ,  経験