Stein 10%-os javulás

Új módszert vezettek be a kombinatorikus fekete dobozos optimalizáció területén, amely a Stein operátor segítségével hatékonyabban tárja fel a keresési teret — írja az ArXiv-en megjelent tanulmány. A nagy dimenziós beállításoknál a módszer egyensúlyt teremt a már ígéretes régiók kiaknázása és a kellő feltárás között, hogy több optimumot is azonosíthasson.

Az Estimation-of-Distribution Algorithms (EDA) keretrendszerek eddig gyakran egyetlen érdeklődési régióra koncentráltak, ami komplex vagy multimodális célfüggvények esetén korai konvergenciához vezethetett. Az új megközelítés egy taszító mechanizmust épít be a paramétertérbe, ezzel ösztönözve a populációt a szóródásra és a fitnesz-táj több módjának együttes feltárására.

Empirikus értékelések számos teljesítményteszt probléma során igazolták, hogy a javasolt módszer versenyképes, sőt, több esetben felülmúlja a vezető, legkorszerűbb megközelítéseket, különösen nagyméretű példányok esetén. A kombinatorikus optimalizációs problémák NP-nehéznek számítanak, és a jelölt bemenetek számának növekedésével a szimulációs modellek optimalizálása kimerítő kereséssel lehetetlenné válik.

A kutatók szerint ez a megközelítés a gépi tanulási modellek hibájának csökkentésére használt gradiens alapú optimalizációs algoritmusokhoz hasonlóan működik, de a Stein operátor révén a projekció hatékonyan számítható. Az új módszerrel a jövőben bonyolultabb optimalizációs feladatokat is hatékonyabban oldhatnak meg a szakemberek.