Вестник НовГУ

Вестник НовГУ > 2017 > 6 (104) > Колногоров А.В., Шиян Д.Н. Оптимизация алгоритма зеркального спуска для групповой обработки данных

Колногоров А.В., Шиян Д.Н. Оптимизация алгоритма зеркального спуска для групповой обработки данных

УДК 519.865
К о л н о г о р о в А. В., Ш и я н Д. Н. Оптимизация алгоритма зеркального спуска для групповой обработки данных // Вестн. Новг. гос. ун-та. Сер.: Технические науки. 2017. № 6 (104). С.55–60. Библиогр. 5 назв.

К л ю ч е в ы е с л о в а: управление в случайной среде, задача о двуруком бандите, алгоритм зеркального спуска, параллельная обработка

Рассматривается оптимизация алгоритма зеркального спуска для групповой обработки данных в двухальтернативной среде. Групповая обработка данных имеет неоспоримое преимущество в скорости обработки, поскольку время обработки зависит не от общего количества данных, а от количества групп, на которые эти данные разбиты. Приводится несколько вариантов модификации алгоритма, и описываются их свойства. С помощью моделирования по методу Монте-Карло получены численные оценки для алгоритмов, а также определены оптимальные значения настраиваемых параметров.
-----------------------------------------------------------------------------
UDC 519.865
K o l n o g o r o v A. V., S h i i a n D. N. Optimization of the mirror descent algorithm for parallel data processing // Vestnik NovSU. Issue: Engineering Sciences. 2017. № 6 (104). P.55–60. The reference list 5 items.

K e y w o r d s: control in a random environment, two-armed bandit problem, mirror descent algorithm, parallel processing

The optimization of the mirror descent algorithm for group processing of data in a two-alternative environment is considered. Group processing has an undeniable advantage in processing speed because the processing time depends not on the total amount of data but on the number of groups into which these data are divided. Several variants of modification of the algorithm are given, and their properties are described. With the Monte-Carlo simulations, numerical estimates for the algorithms were obtained, and optimal values of the tunable parameters were determined.

Загрузить (524 КБ)