ブラックボックス確率最適化のための分散進化戦略【JST・京大機械翻訳】

He Xiaoyu; Zheng Zibin; Chen Chuan; Zhou Yuren; Luo Chuan; Lin Qingwei

プレプリント

J-GLOBAL ID：202202200906504000 整理番号：22P0328872

ブラックボックス確率最適化のための分散進化戦略【JST・京大機械翻訳】

Distributed Evolution Strategies for Black-box Stochastic Optimization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月09日プレプリントサーバーでの情報更新日： 2022年04月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究は,分散確率的ブラックボックス最適化への進化的アプローチに関心があり,その中で,各作業者は,自然インスパイアードアルゴリズムによる問題の近似を個々に解くことができる。進化戦略への適切な修正,古典的進化アルゴリズムのファミリー,および既存の分散フレームワークとの注意深い組み合わせに基づく分散進化戦略(DES)アルゴリズムを提案した。滑らかで非凸の景観では,DESは既存のゼロ次法に匹敵する収束速度を持ち,適用可能なならば,一次法の速度に整合するスパース性を利用することができる。DES法は,Gauss確率モデルを用いて探索を誘導し,既存のゼロ次法における有限差分法から生じる数値問題を回避する。DES法は,その収束が任意のパラメータ設定で保証されるので,問題景観にも完全に適応する。さらに,サンプリング効率を著しく改善する2つの代替サンプリングスキームを提案し,一方,類似の性能を導いた。いくつかの機械学習問題に関するシミュレーション研究は,提案方法が収束時間の低減とパラメータ設定に対するロバスト性の改善において非常に有望であることを示唆する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

システム最適化手法 , 人工知能

, , ,

前のページに戻る