- ICML增量学习中的类别排序
本文研究了类别排序对增量学习分类器评估的影响,提出了一种基于模拟退火算法和混淆矩阵推导的多种排序方法,并在不同增量学习场景下提高了各种最新增量学习方法的性能和排名。
- MM带有噪声观测的高效图优化
本研究主要研究在嘈杂观测下,在图上定义 “爬山友好型” 函数的样本复杂度。作者提出了一个凸性的概念,利用最佳臂识别的变种,可以在少量查询后找到近似最优解。对于具有局部极值并且接近凸性的函数,作者证明了在噪声观测下经典模拟退火的样本复杂度。作 - 控制的在线优化学习(COOL):通过强化学习寻找自旋哈密顿量的基态
通过强化学习方法,在模拟环境下优化模拟降温黑箱算法,对比标准启发式温度计划,从而寻找温度计划,以便能够成功地退火降温,实现全局最优解,提高了系统的性能。
- 模拟退火算法实现的无监督释义
我们提出了一种新方法 UPSA,它利用模拟退火实现无监督的同义词生成。我们将同义词生成建模为一个优化问题,并提出了一个复杂的目标函数,涉及同义词的语义相似性、表达多样性和语言流畅性。然后,UPSA 通过执行一系列局部编辑来朝着这个目标搜索句 - 用于估算凸体积的量子算法
本研究提出一种基于 Chebyshev cooling 并利用量子随机游走技术的量子算法,用于估算多维凸包的体积,比已知的经典算法要更快,同时还证明了量子算法所需的查询次数。
- KDD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。
- QAOA 与量子模拟退火的比较
通过定义一个优化问题的类,并在这个类中识别出 QA 和 SA 存在指数级小的概率找到解的实例,我们得出了 Quantum Approximate Optimization Algorithm, Simulated Annealing 和 Q - 利用数码退火器进行物理启发式二次无约束问题优化
本文介绍了富士通数字退火器(DA)硬件及其算法,对其与模拟退火和平行淬火算法在不同类型问题上的解决速度进行了比较。结果表明,与单核实现的模拟退火和平行淬火蒙特卡罗算法相比,DA 在具有双峰或高斯耦合的完全连接自旋玻璃问题上表现出两个数量级的 - 拉瑟尔测度法与模拟退火法在多项式优化中的比较
比较拉瑟尔测度基于多项式优化的上界和模拟退火得到的上界,发现当优化函数为多项式且约束集为凸集时,拉瑟尔层次结构的收敛速度要快于先前在文献中所知晓的。
- 带有噪声观测的模拟退火算法的收敛速率
本文提出了一种修改过的模拟退火算法,用于解决随机全局优化问题,并使用数值实验验证了其实际性能。
- 使用卷积受限玻尔兹曼机和约束条件在多声部音乐生成中施加高层次结构
通过结合卷积限制玻尔兹曼机、梯度下降约束优化和模拟退火,我们引入了一种在生成的多声部音乐中强制施加更高层次结构的方法,证明了该方法可以控制生成乐曲的更高层次自相似结构、音高属性和保持其局部音乐连贯性。
- 随机梯度 MCMC 与随机优化之间的桥梁
本文探讨了随机梯度马尔可夫链蒙特卡罗算法与随机优化算法之间的关系,并通过应用模拟退火算法对 SGMCMC 算法进行了扩展,提出了一种具有自适应元素动量权重的新型随机优化方法,并针对多个深度神经网络模型进行试验,得到与相关随机优化算法相比最先 - MM有限范围隧穿的计算价值是什么?
研究发现,D-Wave 2X 量子退火器相对于模拟退火算法和经典计算机模拟的量子隧道问题求解算法 QMC,采用短程量子隧道效应将可在某些问题中取得优异的运行时间;并探讨这些发现对下一代量子退火器设计的影响。
- 正交平行 MCMC 方法用于采样和优化
描述了一种新颖的平行交互式马尔科夫链蒙特卡罗采样算法,被称为正交 MCMC,它能够在全局勘探和局部逼近之间高效地组合。通过数值实验显示出该方案在估计效率和独立性方面的优势。
- 全色最短路径问题
该篇论文介绍了一种定义在无向图上的全色最短路径问题,它旨在寻找一条最短路径,在路径中每种颜色至少出现一次,假设图中的每个顶点都与一个已知的颜色相关联。该论文证明了这个问题是 NP-hard 的,并提出了用 LP 松弛,模拟退火,蚁群算法和遗 - 通过模拟退火逃离局部极小值:近似凸函数的优化
采用 Hit-and-Run 方法通过 log-concave 分布的采样来优化凸可行解,在 log-concave 分布的基础上扩展近似 log-concave 分布的分析, 并使 1D 采样器的实现需要新的方法和分析,应用于不同的激励问 - 多层网络的损失曲面
本文研究了全连接前馈神经网络的非凸损失函数与球形自旋玻璃模型哈密顿量之间的联系,并通过随机矩阵理论的结果来解释网络的复杂性和局部极小值的位置分布,利用计算机模拟和数学模型对结果进行了验证和验证。
- 退火最大后验概率
提出了一种基于模拟退火的最大后验概率算法 AnnealedMAP,用于解决在大复杂贝叶斯网络中出现的 NP 难问题,结果表明该算法在保持最大后验概率的优良结果的同时,也能解决许多以前的方法无法解决的问题。
- 模拟退火算法进行子模最大化
提出一种基于模拟退火的新算法用于解决子模块最大化问题,证明该算法支持两种问题的改进近似,在数值预言模型中,子模块最大化问题在独立约束和基约束条件下都不可能有更好的解决方案。
- 多重分形网络生成器
我们提出了一种基于奇异度量的网络构建方法,可生成具有预定统计性质的各种拓扑结构的网络,包括其度分布、聚类系数分布和同配系数分布,并使用模拟退火确定了生成度量的最佳参数。