arXiv · Neural and Evolutionary Computing· Nazim Abdeerhmane Aouni, Zakaria Soualah Mohammed, Maroua Ogab, Nour El Imane Elbar, Rayane Rahmat Errahmane Smara, Billel Moussous, Adriane Anis Khaled, Malika Bessedik, Fatima Benbouzid Si Tayeb, Hadjer Benmeziane·· 1 天前
MOSHO：一种用于硬件感知神经架构搜索的原生离散鲨鱼启发元启发式算法
MOSHO: A Native Discrete Shark-Inspired Metaheuristic for Hardware-Aware Neural Architecture Search
AI 导读
MOSHO 用离散架构编辑算子替代连续运动方程，在 18 个搜索情境中搜索耗时较 NSGA-II 降低 96.4%。
摘要 · AI 翻译
arXiv:2610.33358v1 公告类型：新摘要：硬件感知神经架构搜索（NAS）需要在离散搜索空间上联合优化预测精度与设备特定延迟。虽然多目标群体优化器展现出前景，但诸如多目标白鲨优化器（MOWSO）之类的连续形式在舍入为整数编码的架构向量时可能遭受量化噪声的影响。为解决这一局限，我们提出 MOSHO（多目标鲨鱼狩猎优化），一种原生离散元启发式算法，它以离散架构编辑算子替代连续运动方程。MOSHO 集成了自适应算子调度、能量调节重启以及延迟拥挤距离截断，以增强探索与搜索效率。在合并的 NAS-Bench-201/HW-NAS-Bench 基准上、跨 18 种情境，MOSHO 取得归一化超体积中位数 0.9987 与 IGD+ 0.0064，其帕累托前沿与 NSGA-II 相当，同时将搜索运行时间缩短 96.4%（0.64 秒对 17.72 秒）。这些结果表明，定制的离散搜索机制能够使群体优化器在硬件感知 NAS 中以显著更低的搜索成本获得高质量的多目标解质量。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Neural and Evolutionary Computing · arxiv.org