文献

J-GLOBAL ID：201702256723007262   整理番号：17A1490447

遺伝的アルゴリズム構造を設計するための革新的フレームワーク【Powered by NICT】

An innovative framework for designing genetic algorithm structures

著者 (4件)： Dao Son Duy (School of Engineering, University of South Australia, Mawson Lakes Campus, Mawson Lakes, South Australia 5095, Australia) ,  Dao Son Duy (The Logistics Institute - Asia Pacific, National University of Singapore, 21 Heng Mui Keng Terrace, Singapore) ,  Abhary Kazem (School of Engineering, University of South Australia, Mawson Lakes Campus, Mawson Lakes, South Australia 5095, Australia) ,  Marian Romeo (School of Engineering, University of South Australia, Mawson Lakes Campus, Mawson Lakes, South Australia 5095, Australia)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 90  ページ： 196-208  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 遺伝的アルゴリズムは,一般的な最適化アルゴリズムであり,しばしば多くの分野における複雑な大規模最適化問題を解くために用いた。メタヒューリスティックアルゴリズムと同様に,遺伝的アルゴリズムは,大域的最適解の確率的保証を提供するだけである。高い成功確率で大域的最適解を発見できる能力が遺伝的アルゴリズム(GA)を有する常に好ましいものである。本論文では,大域的最適解を見つけるGAの成功確率を高めることができることをGA(遺伝的アルゴリズム)構造を設計するための革新的なフレームワークを提案した。提案したフレームワークで設計されたGAは三革新を持っている。最初に,GAであり,適応条件に基づいて,その探索プロセスは局所的最適を飛び越えることを再開でき,捕獲され,GAの探鉱を強化する。第二に,GAはGAの開発を強化するためのGAループにおける統合された局所解生成モジュールを持っている。第三に,田口実験計画に基づく系統的な手法は,大域最適解を見つけるGA能力を増強するための探索と活用のバランスをとるためにGAパラメータセットを調整するために提案した。提案したフレームワークの有効性は,提案したフレームワークにより設計されたGAは常に大域的最適化文献で利用できる五他のアルゴリズムよりも優れている20大規模事例研究問題で検証した。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： 鉱床探査 ,  *遺伝的アルゴリズム ,  *アルゴリズム ,  実験計画法 ,  事例研究
準シソーラス用語： 大域的最適化 ,  大域最適解 ,  局所解 ,  成功率 ,  最適解 ,  大規模最適化 ,  最適アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 革新的な遺伝的アルゴリズム構造 ,  大域的最適化 ,  適応再始動機構 ,  局所解を生成するための戦略 ,  探査と開発

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 遺伝的アルゴリズム ,  設計 ,  フレームワーク