文献

J-GLOBAL ID：202002242281874082   整理番号：20A2197135

二次非拘束二値最適化のための深層強化学習に基づく発見的アルゴリズム【JST・京大機械翻訳】

Heuristic algorithms based on deep reinforcement learning for quadratic unconstrained binary optimization

著者 (5件)： Chen Ming (College of Systems Engineering, National University of Defense Technology, Changsha, 410073, China) ,  Chen Yuning (College of Systems Engineering, National University of Defense Technology, Changsha, 410073, China) ,  Du Yonghao (College of Systems Engineering, National University of Defense Technology, Changsha, 410073, China) ,  Wei Luona (College of Systems Engineering, National University of Defense Technology, Changsha, 410073, China) ,  Chen Yingwu (College of Systems Engineering, National University of Defense Technology, Changsha, 410073, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 207  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 制約のないバイナリ二次計画法(UQBP)問題は,過去数十年で集中的に研究されている困難な組合せ最適化問題である。NP-硬度のため,多くの発見的アルゴリズムがUQMPの解法のために開発された。これらのアルゴリズムは,通常,普遍性とスケーラビリティを欠く問題である。これらの問題に取り組むために,深い強化学習(DRLH)に基づく発見的アルゴリズムを本論文で提案した。それは,特定の特徴を入力し,NNと呼ばれるニューラルネットワークモデルを用いて,各解構築段階で変数の選択をギルドギルドする。また,アルゴリズム速度と効率を改善するために,単純化DRLH(DRLS)と丘陵上昇を伴うDRLS(DRLS-HC)という2つのアルゴリズム変異体を同様に開発した。これらの3つのアルゴリズムを,文献からの有名な発見的アルゴリズムと比較して,広範囲な実験を通して調査した。実験結果は,DRLH,DRLS,およびDRLS-HCが,解品質と計算効率の両方に関して,それらの競争者より優れていることを示した。DRLHは最良品質結果を達成するが,DRLSは非常に短時間で高品質解を提供する。DRLSに丘登り手順を加えることによって,得られたDRLS-HCアルゴリズムは,平均で5倍少ない計算時間で,DRLHと同じ品質結果を得ることができた。大規模事例と様々なデータ分布に関する追加実験を行い,提案アルゴリズムの普遍性とスケーラビリティを検証し,ベンチマーク事例の結果により,このアルゴリズムが実際の問題に適用できることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  簡素化 ,  二次計画法 ,  ニューラルネットワーク ,  硬度 ,  ベンチマーク ,  普遍性 ,  *強化学習 ,  組合せ最適化問題
準シソーラス用語： 神経回路網モデル ,  計算効率 ,  *発見的アルゴリズム ,  バイナリー ,  深層強化学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 制約なしバイナリ二次計画法 ,  発見的アルゴリズム ,  深層強化学習 ,  ニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 拘束 ,  二値 ,  最適化 ,  深層強化学習 ,  発見的アルゴリズム