文献

J-GLOBAL ID：201702217951147310   整理番号：17A1504358

0 1多次元ナップサック問題を解くためのメタRaPSへの分布アルゴリズムとQ学習の推定の統合【Powered by NICT】

Integrating estimation of distribution algorithms versus Q-learning into Meta-RaPS for solving the 0-1 multidimensional knapsack problem

著者 (2件)： Arin Arif (Middle East Technical University, Ankara, Turkey) ,  Rabadi Ghaith (Engineering Management & Systems Engineering, Old Dominion University, Engineering Systems Building, Room 2102, Norfolk, VA 23529, United States)
資料名： Computers & Industrial Engineering  (Computers & Industrial Engineering)
巻： 112  ページ： 706-720  発行年： 2017年 
JST資料番号： D0502B  ISSN： 0360-8352  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 受け入れられる時間で近最適解を見つける洗練された近似法を開発する際に挑戦である。この挑戦に対する強力な回答はメタヒューリスティックに知能を組み込むことにより達成される可能性がある。メタRaPS(無作為化優先探索のためのメタヒューリスティック),現在無記憶メタヒューリスティックとして分類されるに二つの方法を統合した提案した。第一の方法は,分布アルゴリズム(EDA)の推定であり,第二はQ学習として知られている機械学習アルゴリズムを活用している。性能を評価するために,提案したアルゴリズムは,0 1多次元ナップサック問題(MKP)で試験した。メタRaPS EDAはメタRaPS Q学習よりも良好に機能すると思われる。しかし,両者は0 1MKPのための文献に示された他の手法と比較して有望な結果を示した。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： *アルゴリズム ,  学習アルゴリズム ,  機械学習 ,  *高次元 ,  *ナップサック問題 ,  近似法
準シソーラス用語： 最適解 ,  *Q学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  分布アルゴリズムの推定 ,  Q学習 ,  メタRaPS ,  0 1多次元ナップサック問題

分類 (2件)： 数理計画法  (KA03030M) ,  工程管理  (KB03030P)

タイトルに関連する用語 (7件)： 多次元 ,  ナップサック問題 ,  分布 ,  アルゴリズム ,  Q学習 ,  推定 ,  統合