本論文は、メタ黒箱最適化(MetaBBO)のための新しいニューラルネットワークベースの探索的ランドスケープ分析フレームワーク「NeurELA」を提案している。
MetaBBOアルゴリズムでは、メタレベルの制御ポリシーがローレベルの最適化プロセスの進捗状況に基づいて動的に最適化を行う。従来のMetaBBOアルゴリズムでは、手作業で設計された探索的ランドスケープ分析(ELA)特徴を使用していたが、これらには以下の課題があった:
そこで本論文では、ニューラルネットワークベースの「NeurELA」を提案し、これらの課題を解決する。NeurELAは、注意機構を備えた2段階のアーキテクチャを持ち、MetaBBOタスクの多様性を網羅するように事前学習される。
実験の結果、NeurELAは以下のような優れた性能を示した:
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문