Optunaでヒューリスティックコンテストを解く - クルトンのプログラミング教室
この記事は競プロ Advent Calendar 2021 14日目の記事です。 こんにちは、クルトンです！ この記事ではヒューリスティックコンテストにOptunaを活用する方法について解説しています。 Optunaとは 具体的な使い方 ヒューリスティックコンテストでOptunaを使う Python以外でもOptunaを使いたい！ C++側のコード Python側のコード ライブラリのインポート 各種変数 目的関数 探索 logの書き込み 探索過程の可視化 実験結果 おまけ Optunaとは Optunaは公式サイトで以下のように説明されています。 Optuna はハイパーパラメータの最適化を自動化するためのソフトウェアフレームワークです。ハイパーパラメータの値に関する試行錯誤を自動的に行いながら、優れた性能を発揮するハイパーパラメータの値を自動的に発見します。現在は Python で利用
巡回セールスマン問題(TSP)の基本的な解き方(ILS) | フューチャー技術ブログ
SAIGアルバイトの後藤です。業務では、アルゴリズムの知識を用いた既存処理の高速化やスケジュールの自動作成による業務の効率化を行っています。 配送計画問題など、最適化問題に属する社会課題は、部分問題に巡回セールスマン問題(TSP: Travelling Salesman Problem)を含むことが少なくありません。したがってTSPの基本的なアプローチを知っていることは重要です。TSPは組合せ最適化の代表的な問題として古くから様々なアプローチが試みられており、本記事は専門家の方にとっては既知の内容だと思いますが改めて紹介します。この記事では、2/3-optの焼きなまし法(SA: Simulated Annealing)より良い解法として2/3-optの反復局所探索法(ILS: Iterated Local Search)を紹介します(競技プログラマへ: TSPは焼きなましより山登り + K
How to leverage optimal transport
大幅な加筆改訂を加えた最新版はこちらです： https://speakerdeck.com/eumesy/optimal-transport-for-natural-language-processing --- 最適輸送の使い方 〜最適輸送の直感的理解のための単語埋込入門 兼 最適輸送入…
Go Conference 2019 Autumn に登壇しました | フューチャー技術ブログ
こんにちは。TIG DXチーム 1の辻です。 先日開催された Go Conference 2019 Autumn に参加/登壇したので、その内容をレポートします。 The Gopher character is based on the Go mascot designed by Renée French. きっかけマネージャーとの面談で、勉強会やカンファレンスで登壇して貢献していきたいと話していたところ Go Conference 2019 Autumn の CfP を募集を見かけたので応募しました。 アイデアの種Go の goroutine や channel を用いることで並行処理をシンプルに書くことができます。基本的な計算をマルチスレッドで高速化する試みは、私が Qiita に書いた Golangを用いた様々な計算の高速化 の記事が詳しいです。 もちろん同じアルゴリズムを用いて G
高校生がアルゴリズムとスパコンの力で、京都の碁盤目状道路を13.9%効率化した話 - Qiita
2. 本研究で解く問題 「いざ研究しよう！」と思っても、条件や設定を決めないと何も始まりません。 まずは研究を分かりやすくするために、「一つの問題」に落とし込むことにしました。 問題設定 縦 $N$ 行・横 $N$ 列の大きさの碁盤の目があります。隣り合う交差点間の距離は 1 です。つまり、交差点が合計で $N^2$ 個あり、それぞれ座標 $(1, 1), (1, 2), ..., (1, N),$ $(2, 1), (2, 2), ..., (N, N-1), (N, N)$ に位置すると考えることもできます。 下の図は、$N = 4$ の場合の交差点の位置です。 あなたは、碁盤の目の交差点の位置は変えずに、道路の並びのみを変えることができます。上手く道路の並びを変えることで、できるだけ「便利」な道路網を建設してください。 「便利な道路網」って何？ 私は、以下の 2 つの条件を満たす道路
Umepon on Twitter: "今日のスライド資料です． 「組合せ最適化による問題解決の実践的なアプローチ」 https://t.co/d84vOyD9Xg #opt_night"
今日のスライド資料です． 「組合せ最適化による問題解決の実践的なアプローチ」 https://t.co/d84vOyD9Xg #opt_night
サンプル点制限と再起動戦略に基づくベイズ最適化の計算量削減 - Preferred Networks Research & Development
本記事は、2019年インターンシップとして勤務した武田惇史さんによる寄稿です。 こんにちは。2019年PFN夏季インターンシップに参加した東京大学の武田惇史です。インターンでは、Optunaチームのもと、「効率の良いブラックボックス最適化手法の開発」というテーマに取り組みました。 概要 ブラックボックス最適化のアルゴリズムの一つに、ガウス過程に基づくベイズ最適化（GP-BO）があります。GP-BOは、局所解に陥りにくく、少ない探索回数で良い解を得ることができる手法として知られていますが、ナイーブな方法だと探索回数が増えたときに計算が非常に重くなってしまいます。 インターンでは、数万回の探索回数を想定した問題に対しGP-BOを適用するため、高速に動作するベイズ最適化手法を提案し、あるベンチマークテストに対して、過去のコンペティションで優勝したBIPOP-CMA-ESという手法より良い性能を出
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Mathematical Optimization in 60 minutes
Mathematical Optimization in 60 minutes