May, 2024

组合优化的随机键 GRASP

PDF
TL;DR该研究提出了一种使用随机密钥优化器（RKO）范例的与问题无关的 GRASP 元启发式算法，通过在贪婪随机自适应搜索过程中重复应用半贪婪构造和局部搜索过程来优化组合优化问题。使用 RKO 编码的随机密钥 GRASP 用于连续优化，并在单位超立方体中通过解码器评估解。研究还介绍了由与问题无关部分和与问题相关的解码器组成的随机密钥 GRASP。作为概念验证，该方法在旅行推销员问题、中心节点选择问题、斯坦纳三重覆盖问题、容量约束图分割问题和作业排序与工具切换问题上进行了测试。
发现论文，激发创造
  • 随机算法的超参数优化：以随机特征为例的案例研究

    基于随机算法和集合卡尔曼反演的随机特征回归 (RFR) 的随机目标函数为矢量值随机特征的超参数优化引入了一种新的黑盒方法，该方法在多个对超参数选择敏感的问题中展示了成功，包括两个全局敏感性分析、在混沌动力学系统中进行集成和从大气动力学解决贝叶斯反问题。该方法为 RFR 提供了自动优化超参数的潜力。

    Jun, 2024

  • 递归梯度优化的连续学习

    本研究引入了一种名为 Recursive Gradient Optimization 的新方法，该方法不仅能够在没有数据重放的情况下修正梯度以减少遗忘，而且还具有虚拟特征编码层 (FEL)，该层只使用任务描述符即可表示不同的长期结构。实验表明，与基线相比，RGO 在流行的连续分类基准测试中表现显著更好，并在 20-split-CIFAR100 (82.22%) 和 20-split-miniImageNet (72.63%) 中取得了新的最佳性能。该方法比单任务学习（STL）具有更高的平均准确性，而且灵活可靠，在学习依赖于梯度下降的模型的连续学习方面具有潜在的应用价值。

    Jan, 2022

  • 非凸随机复合优化问题的小批量随机逼近方法

    该论文提出了一种随机梯度下降算法（RSPG）来解决一类包含非可微凸函数和非光滑性质的随机优化问题，并且证明了该算法的收敛速度。

    Aug, 2013

  • 强化学习驱动的启发式优化

    本文介绍了一种使用强化学习初值方法框架来改善启发式算法的初始解决方案的方法，并在 NP 完全的装箱问题上的实验中展示了 RLHO 方法比我们的基线表现更好。

    Jun, 2019

  • GRASP：通过图注意力加速最短路径攻击

    利用机器学习辅助优化算法，提出了 GRASP 算法，通过图注意力网络等方法实现了快速求解组合优化问题，并且保持了解的质量。

    Oct, 2023

  • Erdos Goes Neural: 图形组合优化的无监督学习框架

    本文提出了一种基于无标签示例的图上 CO 问题的无监督学习框架，该框架可以提供具有保证质量的整数解，实现方法为使用神经网络参数化一组概率分布，并基于 Erdos 的概率方法来对其进行优化，最后将解码得到所需的解。该方法在实际数据集和复杂实例上取得了具有竞争力的结果。

    Jun, 2020

  • 在图上学习组合优化算法

    本文介绍了结合强化学习和图嵌入的方法，使用元算法来解决 NP-hard 组合优化问题和图上的最小点集覆盖、最大割和旅行商问题等优化问题。

    Apr, 2017

  • 自动生成抓取数据集的域随机化用于模拟到真实场景迁移

    本研究探讨了如何利用自动生成的抓取方法来解决机器人在实际环境中获取对象的问题，并就域随机化、从仿真到实际的转移性等问题进行了分析和研究。

    Oct, 2023

  • 置换空间上的贝叶斯优化

    本研究针对基于贝叶斯优化的排列空间问题，提出了两种算法：BOPS-T 和 BOPS-H。两种算法均采用了高斯过程模型，BOPS-T 采用 Kendall 核函数和可处理的采集函数优化方法，BOPS-H 采用 Mallow 核函数和启发式搜索方法来优化期望改进采集函数。理论分析和实验表明，这两种算法在人工和实际基准测试中均优于同类问题的最先进的 BO 算法。

    Dec, 2021

  • 大规模多维背包问题的随机启发式修复

    这篇论文提出了一种基于效率的随机化策略来修复启发式解法，增加修复解的变化性而不降低质量，并改善了整体结果。

    May, 2024