文献

J-GLOBAL ID：201702245421839492   整理番号：17A1214283

確率的マルチモーダル問題のためのエリート群最適コンピューティング予算割り当てを有する新しいハイブリッドアプローチ【Powered by NICT】

Novel hybrid approach with elite group optimal computing budget allocation for the stochastic multimodal problem

著者 (2件)： Chiu Chun-Chih (Department of Industrial Engineering and Engineering Management, National Tsing Hua University, Hsinchu 300, Taiwan) ,  Lin James T. (Department of Industrial Engineering and Engineering Management, National Tsing Hua University, Hsinchu 300, Taiwan)
資料名： Neurocomputing  (Neurocomputing)
巻： 260  ページ： 449-465  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 確率的マルチモーダル問題は一般的に実際の効率と解の品質の探索に発生する。本研究では,確率的マルチモーダル問題のために開発したハイブリッドアプローチ。提案手法は粒子スウォーム最適化(PSO),収縮因子PSO(粒子群最適化(CPSO),およびエリート群最適計算予算配分(EGOCBA)から構成されている。CPSOまたはPSO(粒子群最適化)は設計空間における正しい方向を決定するために適用し,EGOCBAを採用して,サンプルの適切な数を割り当てる各代替案とCPSOまたはPSO(粒子群最適化)法における粒子をランク付けするための信頼性のある評価と同定を提供することである。本研究では,確率的マルチモーダル問題における最適計算予算配分(OCBA)の探索効率を改善する。の性能は各群における現在の最良溶液のそれに近い「エリート群」と呼ばれるいくつかの代替案は,OCBAの計算予算の大部分を吸収する。しかし,エリート群から最良の解を識別する確率的マルチモーダル問題における種々のローカルおよびグローバル最適化のために時間がかかる。本研究では,新しい選択法を実行することによってエリート群のための余分な計算コストを回避するEGOCBAを提案した。EGOCBAはエリート群のすべての解を保存し,有意差なしで平均性能を有する全ての最良解を含む最適集合を形成するためにそのフィルタリングする。これらのタスクは,アルゴリズムの終わりにおける信頼区間試験により達成された。最適セットは異なる決定変数に依存して複数の意思決定を支援する一つ以上の最良の解決策を提供することができる。確率的マルチモーダル最適化問題と確率的資源配分問題を行った二つの実験実験結果は,マルチモーダルクラスと確率的環境における複数の最適解の導出に提案した方法の効率と有効性を明らかにした。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： 品質 ,  割当問題 ,  *多モード ,  最適化 ,  フィルタリング ,  等級づけ ,  *予算編成 ,  意思決定 ,  アルゴリズム ,  信頼性 ,  *ハイブリッド方式
準シソーラス用語： 最適解 ,  計算コスト ,  大域的最適化 ,  粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (4件)： パーティクルスワーム最適化 ,  エリート群最適計算予算配分 ,  確率的マルチモーダル問題 ,  確率的資源配分問題

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (6件)： 確率 ,  マルチモーダル ,  問題 ,  コンピューティング ,  予算割り当て ,  ハイブリッドアプローチ