文献

J-GLOBAL ID：201602289520261776   整理番号：16A1281491

進化的動的多目的最適化によるKalmanフィルタ予測【Powered by NICT】

Evolutionary Dynamic Multiobjective Optimization Via Kalman Filter Prediction

著者 (3件)： Muruganantham Arrchana (Department of Electrical and Computer Engineering, National University of Singapore, Singapore) ,  Tan Kay Chen (Department of Electrical and Computer Engineering, National University of Singapore, Singapore) ,  Vadakkepat Prahlad (Department of Electrical and Computer Engineering, National University of Singapore, Singapore)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 46  号： 12  ページ： 2862-2873  発行年： 2016年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 進化的アルゴリズムは,多くの最先端の多目的進化的アルゴリズム(MOEA)の出現をもたらす静的多目的最適化問題を解くのに有効である。それにもかかわらず,動的多目的最適化問題を解くためのそれらの応用への関心が微温しただけであった。ベンチマーク問題,適切な性能測定基準,ならびに効率的なアルゴリズムはこの分野における研究を促進するために必要である。1つまたはそれ以上の目的は動的最適化問題における時間によって変化する。最適化アルゴリズムは,移動最適を効率的に追跡させなければならない。予測モデルは過去の経験からのパターンを学習し,将来の変化を予測することができる。本論文では,決定空間におけるKalmanフィルタ(KF)予測を用いた新しい動的MOEAは前述の問題を解決するために提案する。予測は変化した最適化に向けての研究を導くのに役立ち,それによって収束を加速した。ランダム再初期化法を用いたKF予測をハイブリッド化するために考案されたスコアリングスキーム。他の最新のアルゴリズムを用いた実験結果と性能比較は,提案したアルゴリズムが動的最適化性能を著しく改善できることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  *Kalmanフィルタ ,  *最適化 ,  多目的計画法 ,  ハイブリッド方式 ,  ベンチマーク ,  予測モデル
準シソーラス用語： 性能比較 ,  最適アルゴリズム ,  動的最適化 ,  性能測定 ,  多目的進化的アルゴリズム ,  進化的アルゴリズム ,  *多目的最適化 , 【Automatic Indexing@JST】

分類 (3件)： システム最適化手法  (IA02050Z) ,  人工知能  (JE08000Z) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (4件)： 進化 ,  多目的最適化 ,  Kalmanフィルタ ,  予測