Local Energy Distribution Based Hyperparameter Determination for Stochastic Simulated Annealing

要約

タイトル：Stochastic Simulated Annealingのための局所エネルギー分布に基づくハイパーパラメータの決定

要約：

– 本論文は、Stochastic Simulated Annealing（SSA）のための局所エネルギー分布に基づくハイパーパラメータの決定方法を提案する。
– SSAは、通常のSimulated Annealing（SA）よりも組み合わせ最適化問題を高速に解決できるが、時間を要するハイパーパラメータ探索が必要である。
– 提案手法は、スピン（確率ビット）の局所エネルギー分布に基づいてハイパーパラメータを決定する。スピンはSSAの基本的な計算要素であり、重みを持つ他のスピンとグラフィカルに接続されている。
– 中心極限定理（CLT）に基づいて局所エネルギーの分布を推定できる。CLTに基づく正規分布を使用して、ハイパーパラメータを決定することにより、従来の方法のハイパーパラメータ探索の時間計算量O(n^3)をO(1)に減らすことができる。
– 決定されたハイパーパラメータを使用して、最大カット問題のGsetおよびK2000ベンチマークでSSAの性能を評価した。結果は、提案手法が最良のカット値の約98％を達成することを示している。

要約(オリジナル)

This paper presents a local energy distribution based hyperparameter determination for stochastic simulated annealing (SSA). SSA is capable of solving combinatorial optimization problems faster than typical simulated annealing (SA), but requires a time-consuming hyperparameter search. The proposed method determines hyperparameters based on the local energy distributions of spins (probabilistic bits). The spin is a basic computing element of SSA and is graphically connected to other spins with its weights. The distribution of the local energy can be estimated based on the central limit theorem (CLT). The CLT-based normal distribution is used to determine the hyperparameters, which reduces the time complexity for hyperparameter search from O(n^3) of the conventional method to O(1). The performance of SSA with the determined hyperparameters is evaluated on the Gset and K2000 benchmarks for maximum-cut problems. The results show that the proposed method achieves mean cut values of approximately 98% of the best-known cut values.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI