文献

J-GLOBAL ID：201702244333077590   整理番号：17A1481348

動的組合せ最適化における進化的および集団ベース法と構成的探索戦略【Powered by NICT】

Evolutionary and population-based methods versus constructive search strategies in dynamic combinatorial optimization

著者 (2件)： Baykasoglu Adil (Faculty of Engineering, Department of Industrial Engineering, Dokuz Eyluel University, Izmir, Turkey) ,  Ozsoydan Fehmi B. (Faculty of Engineering, Department of Industrial Engineering, Dokuz Eyluel University, Izmir, Turkey)
資料名： Information Sciences  (Information Sciences)
巻： 420  ページ： 159-183  発行年： 2017年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： 動的環境における最適化は過去10年間に顕著な注目を集めていることを最新の研究分野である。実生活問題の大部分は組合せが努力の大部分は連続的な動的最適化問題に寄与することを動的最適化文献から明らかである。さらに,進化的または集団ベースアプローチと比較して,固定組合せ最適化問題に有効であることが示されているが,構成的探索戦略は,動的最適化コミュニティによって無視されている。本研究では,構成的およびマルチスタート探索戦略は,動的多次元ナップサック問題,実世界における多くの応用を解決するために提案する。構成的およびマルチスタートの特徴を利用して,本研究の目的は,そのような戦略の性能を試験し,動的に変化する環境におけるその挙動を観察することである。これに関連して,この戦略は,よく知られた進化的および集団ベースアプローチ,遺伝的アルゴリズムに基づくミームアルゴリズム,微分進化アルゴリズム,ホタルアルゴリズムとハイパーヒューリスティックを含む,それらの個々の寄与と一致して低レベル発見的方法としてこれらの個体群ベースのアルゴリズムを用いると比較した。さらに,動的環境におけるそれらの性能を改善するために,言及した進化的アルゴリズムは誘発されたランダム移住と適応山登り戦略を用いて改善した。包括的実験的解析から見ることができるように,提案したアプローチは,進化ベースアプローチの多くより優れているが,それは事例のいくつかにおいてホタルとハイパーヒューリスティックアルゴリズムによって凌駕された。これは,提案したアプローチの競争力を指摘した。最後に,ノンパラメトリック検定の統計的結果によれば,提案した方法は,動的環境において,有望かつ競合アルゴリズムとして考えることができると結論した。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： 発見的方法 ,  *最適化 ,  個体群 ,  高次元 ,  アルゴリズム ,  ナップサック問題 ,  組合せ最適化問題 ,  遺伝的アルゴリズム
準シソーラス用語： 進化的アルゴリズム ,  ホタルアルゴリズム ,  ミームアルゴリズム ,  動的最適化 ,  動的環境 ,  *探索戦略 ,  *組合せ最適化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 動的組合せ最適化 ,  貪欲ランダム化適応型探索法 ,  メタヒューリスティックアルゴリズム ,  多次元ナップサック問題

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 組合せ最適化 ,  進化 ,  集団 ,  探索戦略