学習ベクトル量子化による温度推定に基づく高速化シミュレーテッドアニーリング

カテゴリ: 部門大会

論文No: GS16-3

グループ名: 【C】平成14年電気学会電子・情報・システム部門大会講演論文集

発行日: 2002/09/02

タイトル(英語): An Accelerated Simulated Annealing Based on Temperature Estimation Using Learning Vector Quantization

著者名: 今井 誠(千葉大学),小圷 成一(千葉大学),濱上 知樹(千葉大学),平田 廣則(千葉大学)

著者名(英語): Makoto Imai(Chiba University),Seiichi Koakutsu(Chiba University),Tomoki Hamagami(Chiba University),Hironori Hirata(Chiba University)

キーワード: シミュレーテッドアニーリング|ニューラルネットワーク温度推定|温度推定|組合せ最適化問題|Simulated Annealing|Neural Network|Learning Vector Quantization|Temperature Estimation|Combinatorial Optimization Problem

要約(日本語): シミュレーテッドアニーリング(SA)の高速化手法に，SAの高温，中温部の代わりに高速な決定論的最適化法を用いて初期状態を得た後，比較的低温からSAを用いる手法が検討されている。このような手法を用いるためには，SAの開始温度が初期状態の良さを破壊しない程度に低温で，かつ局所解から脱出できる程度に高温に設定することが要求される。この温度推定にニューラルネットワークを用いる手法が検討されている。本研究では，温度推定に学習ベクトル量子化を用いることで，推定温度の精度向上を試みる。提案手法をVLSI配置問題に応用し，計算時間および解の品質に関して従来手法と比較することにより，提案手法の有効性を検証する。

PDFファイルサイズ: 3,130 Kバイト