Wie Wasserdynamik uns dabei helfen kann, NP-schwere Probleme zu lösen
Verschiedene Optimierungsalgorithmen, die auf der Dynamik von Wasser basieren, können verwendet werden, um NP-schwere Probleme zu lösen. Diese Algorithmen ahmen auf unterschiedliche Weise nach, wie Wassertropfen zusammenarbeiten, um Wege zum Meer zu finden.
Eine obere Schranke für die Mutationswahrscheinlichkeit im genetischen Algorithmus für das allgemeine 0-1 Rucksackproblem
Wir schlagen eine neuartige Reduktionsmethode für das 0-1 Rucksackproblem und einen verbesserten Mutationsoperator (IMO) vor, basierend auf der Annahme NP ≠ P. Wir verwenden diese Methode, um eine obere Schranke für die Mutationswahrscheinlichkeit in allgemeinen Instanzen des 0-1 Rucksackproblems zu berechnen und ein Beispiel zu konstruieren, bei dem die Mutationswahrscheinlichkeit mit zunehmender Problemgröße nicht gegen 0 geht.
Eine obere Schranke für die Mutationswahrscheinlichkeit im genetischen Algorithmus für das allgemeine 0-1-Rucksackproblem
Wir schlagen eine neue Reduktionsmethode für das 0-1-Rucksackproblem und einen verbesserten Mutationsoperator (IMO) vor, die auf der Annahme NP ≠ P basieren. Wir verwenden diese Methode, um eine obere Schranke für die Mutationswahrscheinlichkeit in allgemeinen Instanzen des 0-1-Rucksackproblems zu berechnen und ein Beispiel zu konstruieren, bei dem die Mutationswahrscheinlichkeit mit zunehmender Problemgröße nicht gegen 0 geht.
Maximierung der Abdeckung unter Berücksichtigung von Fairness, Matroid und globalen Beschränkungen
Der Kern der Arbeit ist die Entwicklung von effizienten Approximationsalgorithmen für das Problem der Maximierung der Abdeckung unter verschiedenen Nebenbedingungen wie Fairness, Matroid-Beschränkungen und globale Beschränkungen.
Nicht-konvexe Relaxation und 1/2-Approximationsalgorithmus für das chancenbeschränkte binäre Rucksackproblem
Die nicht-konvexe Relaxation bietet eine qualitätsgesicherte obere Schranke für das chancenbeschränkte binäre Rucksackproblem.
Skalierbare verteilte Optimierung trotz byzantinischer Angreifer
Zwei resiliente, skalierbare verteilte Optimierungsalgorithmen für mehrdimensionale Funktionen trotz byzantinischer Angreifer.
Eine Leistungsanalyse von Basin Hopping im Vergleich zu etablierten Metaheuristiken für globale Optimierung
Basin Hopping ist eine vielversprechende Option für globale numerische Optimierungsprobleme.
Eine dynamische Clipping-Methode mit Aufgabeneingabe für die Proximal Policy Optimization
Dynamische Anpassung des Clipping-Bereichs verbessert die Leistung von PPO.
Optimierung des Moving-Target Traveling Salesman Problems mit konvexen Sets
Optimierung des Moving-Target Traveling Salesman Problems durch ein neues Formulierungskonzept.
Die Bewertung des Werts von VeLO's 4000 TPU Monaten für das Skalieren von gelernten Optimierern
VeLO's behauptete Vorteile werden in Frage gestellt.
© 2024 by Linnk AI