文献

J-GLOBAL ID：201602299160523137   整理番号：16A1282545

分類は誘導微分進化【Powered by NICT】

Classification guided differential evolution

著者 (3件)： Shen Shiyan (School of Computer Science, China University of Geosciences, Wuhan 430074, China) ,  Gong Wenyin (School of Computer Science, China University of Geosciences, Wuhan 430074, China) ,  Cai Zhihua (School of Computer Science, China University of Geosciences, Wuhan 430074, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CEC  ページ： 3276-3283  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 微分進化(DE)は数値最適化のための効率的で強力な進化的アルゴリズムである。DEでは,異なる探索戦略を提示した。一般的に,異なる戦略が異なる問題に適しているが,当面の問題のための最良のものを選択することは困難である。本論文では,分類法に基づく多戦略ベースのDEフレームワークを提案した。より具体的には,セット候補試験のベクターは,複数の戦略を用いて生成されると,最良のものは分類法に従って試験ベクトルとして選択した。例として,極端学習機械(ELM)は,提案フレームワークにおける分類法として選択した。四最新のDE変異体(すなわち,SaDE,CoDE,EPSDE,JADE)は,DEにおける多戦略適応を実現するための枠組に統合した。提案した変異体を十三のベンチマーク最適化問題の広範囲に評価した。実験結果により,提案アプローチが最先端のDE変異体と非常に競争力があることを示した。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： ベンチマーク ,  ベクター ,  *最適化問題 ,  ベクトル
準シソーラス用語： 分類法 ,  進化的アルゴリズム ,  数値最適化 ,  *微分進化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 分類 ,  誘導 ,  微分進化