非線形最適化に関するシュレディンガー型方程式と大域的最適化への応用
スポンサーリンク
概要
- 論文の詳細を見る
非線形目的関数の大域的最適化問題を近似的に解く方法を提案する.まず,目的関数を線形の波動係数方程式で近似し,最適化問題を波動係数に関する固有値問題に帰着させる.次に,最適化のプロセスがシュレディンガー型方程式で表されること,及び大域的最適化がシュレディンガー型方程式のハミルトニアンの固有値問題と等価になることを示す.本手法を,様々な目的関数に適用した結果,大域的最適解の良好な近似値が得られたことを示す.また,簡単なハミルトニアンにより様々な最適化問題のハミルトニアンを構成するための例題として,ある最適化問題のハミルトニアンが,それとは異なる最適化問題に関するハミルトニアンを組み合わせることにより得られたことを示す.
- 2009-12-14
著者
-
佐藤 仁樹
公立はこだて未来大学システム情報科学部
-
佐藤 仁樹
公立はこだて未来大学システム情報科学部情報アーキテクチャ学科
-
佐藤 仁樹
公立はこだて未来大学システム情報科学研究科
-
佐藤 仁樹
公立はこだて未来大学
-
佐藤 仁樹
現在,公立はこだて未来大学システム情報科学研究科
関連論文
- Schrodinger-type equation for nonlinear optimization and its application to global optimization (非線形問題)
- モーメントベクトル方程式に基づく多粒子系の解析
- モーメントベクトル空間における空間埋め込み方程式を用いた高次元非線形システムの解析
- 強化学習を用いた高次元非線形時系列予測
- 非線形最適化に関するシュレディンガー型方程式と大域的最適化への応用
- 非線形方程式の近似および統計量の解析 : モーメントベクトル方程式に基づく方法
- 線形ベクトル空間におけるロジスティック写像の統計解析
- 高次元行動空間における強化学習 : 主成分分析による行動空間圧縮(非線形制御,一般)
- 強化学習に基づく非線形アプローチによるロバストルーチング
- 関数近似のための特徴空間の構築と強化学習への応用(一般,制御システムとダイナミックス)
- 関数近似のための特徴空間の構築と強化学習への応用
- 高次元連続状態空間における強化学習 : 多変量解析による状態空間の圧縮
- 確率的連続行動の強化学習 : 直交関数展開による確率密度関数の近似
- 波動係数方程式に基づく大域的最適化(一般,機械学習によるバイオデータマインニング・生命現象の非線形性,一般)
- リアルタイム可変レート動画通信システムの符号化パラメータ制御(画像)
- インターネットにおける非線形フィードバック制御の近似解析
- インターネットにおける非線形フィードバック制御の近似解析
- モーメントベクトル方程式の固有値解析に基づく大域結合写像の構造解析(一般及び雑音を有効利用する神経系やそのモデル)
- モーメントベクトル方程式の固有値解析に基づく大域結合写像の構造解析(一般及び雑音を有効利用する神経系やそのモデル)
- 報酬を考慮した主成分分析を用いた雑音環境下での波形認識(一般及び雑音を有効利用する神経系やそのモデル)
- 報酬を考慮した主成分分析を用いた雑音環境下での波形認識(一般及び雑音を有効利用する神経系やそのモデル)
- 画像データの学習クラスタリング
- 画像データの学習クラスタリング
- 遺伝的アルゴリズムを用いた基底関数構築と非線形時系列予測
- 大3-1 オープンな学習環境における活動経験と管理システムの効果(教授・学習,口頭発表)
- 非線形時系列予測のための基底関数構築(テーマセッション,大規模データベースとパターン認識)