抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
直接探索型のメタヒューリティクスの1つであるParticle Swarm Optimization(PSO)は,非線形最適化問題を解くための有力な手法であり,多峰性の大域的最適化問題の最適解に適することが分かっている。しかし,PSOは問題・次元に合った適切なパラメータを設定することが難しく,パラメータ設定・調整は試行錯誤的に行われているのが現状である。これらの課題を解決するために,本研究では,次元問題に対する探索能力の低下,問題の種類・次元などに依存した試行錯誤的なパラメータ設定などの課題を解決可能な新たなアプローチとして,解くべき最適化問題に直接的にPSOを適用するのではなく,PSOの持つパラメータ空間の最適化を逐次繰り返すことによる逐次最適化型のPSOを提案する。そして,数値実験を通じて手法の有用性を検証した。本研究の意味は,PSOがどんな高次元でも,低次元問題に帰着できることであり,探索能力の高さと,探索の速さが提案手法の特徴である。