文献

J-GLOBAL ID：201702218711842628   整理番号：17A1650464

高価な数値optimzationにおけるハイパー・ヒューリスティック探索アルゴリズムの経験的解析【Powered by NICT】

Emperical analysis of hyper-heuristic search algorithms in expensive numerical optimzation

著者 (2件)： Ong Jia Hui (Evolutionary Computing Lab, Faculty of Computing and Informatics, Universiti Malaysia Sabah Sabah, Malaysia) ,  Teo Jason (Evolutionary Computing Lab, Faculty of Computing and Informatics, Universiti Malaysia Sabah Sabah, Malaysia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCAIE  ページ： 117-121  発行年： 2017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： 高価な最適化問題を実行し,解決するために大量の資源を必要とすることを実世界問題に言及した。はこの問題領域を解くための単純であるが高度に効率的な探索方法論を調べるために研究者から著しい最近関心を集めている。この問題ドメインの主な目的は,短い数探索の反復の範囲内で望ましい解を探し出すのにできることである。本論文では,高価な最適化問題を解くためのハイパーヒューリスティックフレームワークの実行を提出した。ハイパーヒューリスティックスは最適解を探索するために協働する低レベル発見的方法のセットを利用した。超発見的方法は離散最適化,著者らの知る限りの他の多くの探索法より性能が優れていることが示されているが,ハイパー発見的方法はまだ高価な最適化問題のための調べられていない。超発見的方法の二変異体は本論文で使用されている,単純なランダムすべては受容(SRAMA)とタブー探索すべては受容(TSAMA)。進化的計算2015(CEC2015)高価な最適化ベンチマーク問題に関する会議と競争からトップ性能アルゴリズム,平均分散マッピング最適化(MVMO)である,ベンチマークと示唆されたハイパー発見的方法を比較した。この包括的ベンチマーク試験セットを用いて高価な最適化アルゴリズムMVMOをトップと比較した時に,得られた結果は非常に有望である。Copyright 2017 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 ,  最適化問題 ,  タブー探索 ,  進化的計算 ,  最適化 ,  発見的方法 ,  ベンチマーク
準シソーラス用語： 最適アルゴリズム ,  ベンチマークテスト ,  探索法 ,  離散最適化 ,  最適解 ,  *探索アルゴリズム ,  *ヒューリスティック , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 数値 ,  ヒューリスティック ,  探索アルゴリズム ,  経験 ,  解析