Jan, 2024

条件马尔可夫链搜索中的利用策略：三指标分配问题的案例研究

PDF
TL;DR通过改进框架，我们的研究探索了条件马尔可夫链搜索在改进采用能力方面的几种扩展。我们将该框架应用于三指数分配问题的计算研究中，并实验结果表明，两阶段的条件马尔可夫链搜索确实优于单一阶段的搜索。
conditional markov chain searchautomated designmetaheuristicsdiscrete combinatorial optimisationexploitation abilities
发现论文，激发创造
  • 竞争性多智能体搜索的进化策略

    本文以智能搜索技术在人机系统中的应用为出发点，提出了一种新的多智能体协作搜索方法，并通过实验结果表明，该方法优于传统的手动设计策略和传统树状搜索方法，并能够用于研究不同的人类创造性活动。

    Jun, 2023

  • 连续蒙特卡罗图搜索

    本文提出了 Continuous Monte Carlo Graph Search（CMCGS），一种将 Monte Carlo Tree Search（MCTS）扩展到连续状态和动作空间的在线规划方法，并在 DeepMind Control Suite 基准测试和 2D 导航任务中表现优异。

    Oct, 2022

  • 蒙特卡洛树搜索：近期修改和应用综述

    本文调查了 Monte Carlo Tree Search (MCTS) 在领域特定修改和混合方法方面的应用，这种方法依赖于智能树搜索并平衡探索和利用。

    Mar, 2021

  • 通过关注未知的蒙特卡洛树搜索提升探索能力

    AmEx-MCTS is a novel formulation of Monte-Carlo tree search that decouples value updates, visit count updates, and the selected path, resulting in a considerably broader search using identical computational resources and surpassing classical MCTS and related approaches.

    Feb, 2024

  • 组合约束满足的语言生成：一种树搜索增强的蒙特卡罗方法

    提出了一种适用于语句生成的组合约束规范框架，通过采用高效的方法生成满足约束条件的语句，并将树搜索算法嵌入到蒙特卡罗马尔可夫链（MCMC）的候选提议过程中以探索满足更多约束条件的候选者，实验表明，这种方法在多个语言生成任务中实现了一致和显著的改进。

    Nov, 2020

  • 蒙特卡洛搜索算法 探索蒙特卡洛树搜索 探索术语

    本文提出使用蒙特卡罗搜索设计数学表达式作为蒙特卡罗树搜索算法的探索项，优化了 PUCT 和 SHUSS 树搜索算法的根探索项，使得在小型搜索预算下，这些发现的根探索项使得两种算法与常规的 PUCT 算法有竞争力。

    Apr, 2024

  • 加速 MCMC 算法

    本研究使用 Markov chain Monte Carlo 算法通过局部探索复杂的统计分布进行模拟，加速收敛的技术包括 tempering 和 Hamiltonian Monte Carlo 等方法。

    Apr, 2018

  • 马尔可夫链分数上升：具有马尔可夫梯度的变分推断的统一框架

    提供了多个基于马尔可夫链的有偏梯度估计算法的非渐进收敛分析，并将其视为马尔可夫链梯度下降框架的特例，通过新的理解开发了一种并行的 Markov chain score ascent (pMCSA) 算法，实现了对梯度变化的更紧密控制，从而显著提高了算法的实际性能。

    Jun, 2022

  • 有限马尔可夫决策问题中的勘探 - 利用

    本文研究了 Constrained Markov Decision Processes 下的 exploration-exploitation trade-off 问题，提出了两种方法：基于线性规划和基于对偶变量逐步更新的方法。研究结果表明，这两种方法都可以实现 sublinear regret，但是线性规划方法具有更强的保障性。

    Mar, 2020

  • 自适应蒙特卡罗搜索在图论猜想证伪中的应用

    本研究提出了一种新的猜想反驳算法，名为 AMCS 算法，通过修改蒙特卡洛树搜索算法获得，旨在更有效地帮助研究人员测试图论猜想，并在多项图论猜想中得到了较好的应用。

    Jun, 2023