文献

J-GLOBAL ID：201702275569681145   整理番号：17A0473810

可変結合を持つ多目的最適化問題のための動的共分散行列学習を用いた多目的微分進化【Powered by NICT】

Multi-objective differential evolution with dynamic covariance matrix learning for multi-objective optimization problems with variable linkages

著者 (11件)： Jiang Qiaoyong (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Wang Lei (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Cheng Jiatang (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Cheng Jiatang (The Engineering College, Honghe University, Mengzi 661199, China) ,  Zhu Xiaoshu (The Faculty of Computer Science and Engineering, Yulin Normal University, Yulin 537000, China) ,  Li Wei (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Lin Yanyan (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Yu Guolin (The Institute of Applied Mathematics, Beifang University of Nationalities, Yinchuan 750021, China) ,  Hei Xinhong (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Zhao Jinwei (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Lu Xiaofeng (The Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 121  ページ： 111-128  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,多くの多目的微分進化(MODE)は,微分進化(DE)および多目的処理機構の検索エンジンを組み込むことによって開発した。しかし,大部分の既存のMODEは可変結合を持つ多目的最適化問題(MOP)を解くことでの性能は良くない。この貧弱な性能の原因は,二項交叉演算子(BCO)の回転変動,そのようなMOPの探索における解ベクトル内のすべての変数の同時進展するに寄与しない。制限を軽減するために,全体の情報流通または個体群の一部に基づく動的共分散行列学習(ハイブリッドシミュレーション言語DCML)は,固有分解によるBCOに対する適切な座標系を確立するために提案した。この方法では,DEの回転不変性は変数間の相互作用を放出することによってある程度まで向上させることができるこのようにして,それらの探索と活用能力をバランスさせるより良くMODEに有用である。既存MODEにハイブリッドシミュレーション言語DCMLを統合することにより,短いのためのMODE+ハイブリッドシミュレーション言語DCMLと呼ばれる新しいMODEを本研究で提示した。比較のために,提案したハイブリッドシミュレーション言語DCML戦略は,四種類の通常使用されるMODEに適用した。可変結合を持つ二十九のベンチマーク問題をテストスイート提案したMODE+ハイブリッドシミュレーション言語DCMLの性能を評価するために選択した。実験結果は,提案したハイブリッドシミュレーション言語DCMLはほとんどの試験機能の最先端MODEの性能を大幅に改善できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 相互作用 ,  検索エンジン ,  ハイブリッドシミュレーション ,  学習 ,  ベンチマーク ,  ベクトル ,  言語 ,  情報流通 ,  回転不変性 ,  個体群 ,  *多目的計画法
準シソーラス用語： *多目的最適化 ,  テストスイート ,  *微分進化 ,  *共分散行列 , 【Automatic Indexing@JST】

著者キーワード (5件)： 多目的最適化 ,  可変結合 ,  微分進化 ,  回転不変性 ,  動的共分散行列学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 可変 ,  多目的最適化問題 ,  共分散行列 ,  学習 ,  多目的 ,  微分進化