Deep Memory Search: A Metaheuristic Approach for Optimizing Heuristic Search

要約

メタヒューリスティック検索手法は、複雑な最適化の課題に取り組むために不可欠なツールであることが証明されていますが、その可能性を最大限に発揮するには、従来のアルゴリズム フレームワークによって制限されることがよくあります。
この論文では、メタヒューリスティック検索をメモリ主導のプロセスとしてモデル化する、ディープ ヒューリスティック検索 (DHS) と呼ばれる新しいアプローチを紹介します。
DHS は、複数の検索レイヤーとメモリベースの探索/活用メカニズムを採用して、大規模で動的な検索スペースをナビゲートします。
モデルフリーのメモリ表現を利用することにより、DHS は確率的遷移モデルに依存せずに時間的軌跡を横断する機能を強化します。
提案された方法は、さまざまなヒューリスティック最適化問題にわたって検索効率とパフォーマンスが大幅に向上することを示しています。

要約(オリジナル)

Metaheuristic search methods have proven to be essential tools for tackling complex optimization challenges, but their full potential is often constrained by conventional algorithmic frameworks. In this paper, we introduce a novel approach called Deep Heuristic Search (DHS), which models metaheuristic search as a memory-driven process. DHS employs multiple search layers and memory-based exploration-exploitation mechanisms to navigate large, dynamic search spaces. By utilizing model-free memory representations, DHS enhances the ability to traverse temporal trajectories without relying on probabilistic transition models. The proposed method demonstrates significant improvements in search efficiency and performance across a range of heuristic optimization problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google