- 多智能体优化解决方案的对比解释
在多个真实场景中,代理参与了优化问题,然而由于这些场景往往是过约束的,所以最优解并不总能满足所有代理的需求。为了解决代理对初始解满意度不高的问题,本文提出了一种名为 MAoE 的领域无关方法,通过生成一个新的强制满足代理需求的解并最小化该解 - 人工智能中的元启发式算法及其在生物信息学、生物统计学、生态学和制造业中的应用
应用竞争性带突变主体的自然启发元启发式算法(CSO-MA),在统计科学的各种优化问题中展示其灵活性和相对于竞争对手的出色表现。
- 进化直接策略搜索中的广义提前停止
提出一种早期停止方法,适用于直接策略搜索问题,通过观察每个时间步骤的目标值来停止评估,无需问题特定的知识,可以节省高达 75% 的计算时间。与问题特定的停止标准相比,性能相当,并且具有更广泛的适用性。
- 你不得不止步:预测和优化中的零梯度问题在凸优化中
预测和优化是一种越来越流行的决策范式,使用机器学习来预测优化问题中的未知参数,并通过任务性能作为损失函数训练预测模型。本文发现了这种方法的一个未被注意到的缺点 -- 零梯度问题,并提出了一种解决方法,该方法基于微分优化的数学属性,并在两个真 - 基于神经网络的边缘云计算分位数优化
本研究提出了一种基于 Gumbel-softmax 重参数化方法的边缘 - 云计算网络最佳流量分配方案的求解方法,可通过无监督学习训练出 Gumbel-softmax 采样网络来解决离散优化问题,并且该方法适用于波动性计费且在可行性和成本函 - 数据污染下的超参数学习:基于多目标二层优化的正则化影响分析
通过优化问题、多目标优化问题、L1 和 L2 正则化训练多个机器学习分类器,以证实前面的攻击策略的局限性,并证明了使用 L2 和 L1 正则化来减轻毒化攻击效果的好处。
- 保证几何惩罚有界的黎曼极小 - 极大优化的加速方法
本文研究的是优化问题,其中函数在乘积 Riemann 流形上是几何上凸的,设计了加速的方法,改进了现有的方法,并在 Riemann 最小 - 最大的情况下证明了全局线性收敛。
- 扩展的电子 Ising 机作为有效的 SAT 求解器
本文讲述了基于 Ising 机的解决最优化问题方法。作者发现缺少了立方相互作用和高效的随机化启发式算法成为了失误的原因。最后,作者增加了一个合适的框架和一个新的方法,提高了搜索的效率,实验结果在以往硬件和软件求解最优化问题算法的基础上取得了 - 带有最佳效率和实用特性的约束优化方法
本文介绍了两种新的 Frank-Wolfe 算法变体,用于随机有限和最小化。这些方法在凸和非凸目标函数方面,都具有最佳的收敛保证。同时,本文提出的两种方法都不需要永久收集大批量数据和完整确定性梯度,可用于优化机器学习等领域中的结构约束问题。
- 基于自然语言描述的优化问题制定:NL4Opt 竞赛
利用自然语言处理方法实现优化问题的自动解决,涉及 NL4Opt 比赛和相关任务数据集,以及通过该比赛所展示的相应解决方案。
- 加速强化学习的人类启发式框架
本文提出了一种基于人类启发的框架以提高采样效率,其中通过逐步提供简单但相似的任务来适应复杂的强化学习任务,并且使用任何转移学习方法来减少样本复杂性而不增加计算复杂性,实验表明该框架能够在优化问题方面表现出良好的性能。
- 物理信息分段线性神经网络的过程优化
提出了利用物理知识来升级神经网络模型以解决优化问题的方法,通过使用修正线性单元和分段线性逼近的双曲正切激活函数,针对三个不同的案例进行实验,结果表明这种升级模型比传统模型更接近于全局最优解,且更有效地优化了 CPU 时间。
- 分布式群体智能
本文介绍了一个分布式应用程序的开发,该程序可帮助解决优化问题中的群体智能,并利用 Ray 分布式计算的威力,提供一个用户友好的平台来提高群体智能在问题解决中的理解和实际应用。
- 维多利亚亚马逊卡优化(VAO):灵感源自巨型睡莲植物的算法
本文介绍了维多利亚巨型睡莲植物的数学生命周期,并将其每片叶子和花朵视为单个实体,提出了一种生物启发算法。该算法已在最小生成树、中心位置分配、二次分配、聚类、特征选择、回归、经济分派、平行机器调度、颜色量化和图像分割等 10 个优化问题上进行 - 优化器的可计算性
分析了在图灵机和数字计算机上求解最优化问题的基本局限性,并在各种不同领域中证明了这些问题都不是 Banach-Mazur 可计算的。
- 带障碍的分支定界:用于基于 DD 的分支定界的支配与次优解检测
本论文介绍了一种基于决策图的分支定界算法,利用动态规划模型的结构以及数据结构 Barrier 中的阈值进行剪枝,进而解决优化问题,并结合 Gillard 等人在 2021 年提出的过滤技术进行优化,实验结果表明该方法能够在更短的时间内解决更 - 非支配排序遗传算法 III(NSGA-III)的数学运行时分析
本文提供了 NSGA-III 的第一次数学运行时间分析,证明该算法对于 3 目标问题能够计算完整的 Pareto 前沿,远远优于 NSGA-II。
- 优化层交替微分
本文提出了一种名为 Alt-Diff 的新框架,该框架将优化问题嵌入深度神经网络并快速递归求导,以提高计算速度。实验证明, Alt-Diff 在更少的时间内提供了与现有先进技术可比较的结果。
- 量子 Metropolis 求解器:量子行走优化问题的方法
该研究论文探讨基于量子行走的 Metropolis-Hastings 量子算法,并使用此算法构建了名为 Quantum Metropolis Solver(QMS)的量子软件工具,通过 N-Queen 问题进行了验证,以展示潜在的量子优势。
- 分析 D'WAVE 量子退火器的行为:微调参数化及采用限制哈密顿公式的测试
本研究着重于对量子退火器在解决实际组合优化问题时的行为进行深入研究和实验,通过对参数的敏感性分析和基于 200 多种参数配置的 3700 次以上的酉运行和 700 万次量子读取,得到与能量分布和最适宜的参数设置相关的发现,从而为非专业利益相