文献

J-GLOBAL ID：201702258773817649   整理番号：17A1253861

原子力標識化遺伝的アルゴリズム:連続非線形最適化問題を解くための新しい方法【Powered by NICT】

Subdividing Labeling Genetic Algorithm: A new method for solving continuous nonlinear optimization problems

著者 (4件)： Esmaelian Majid (Department of Management, University of Isfahan, Iran) ,  Santos-Arteaga Francisco J. (School of Economics and Management, Free University of Bolzano, Italy) ,  Tavana Madjid (Business Systems and Analytics Department, Distinguished Chair of Business Analytics, La Salle University, Philadelphia, USA) ,  Vali Masoumeh (Department of Industrial Management, Persian Gulf University, Bushehr, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEC  ページ： 773-780  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： ほとんど大域的最適化問題では,全多次元探索空間における大域的最適点を見出す高い計算負荷を意味している。連続非線形最適化問題のための分割標識遺伝的アルゴリズム(SLGA)と呼ばれる新しいアプローチを提案した。整数ラベルはn次元空間上に構築されたポリトープに定義されるSLGAは細分化探索空間に対する突然変異と交叉演算子を適用した。ポリトープを構成する各点の適応度を計算した後,SLGAは子孫を生成するために突然変異演算子を実装し,ポリトープの個体群のための整数ラベルを計算する。ポリトープを標識完全に後,探索空間を減少させることにより最適点に近づくように実装されているクロスオーバー演算子。これに関連して,新たな集団は,探索空間を,更なる突然変異演算子を用いて生成した。SLGAはDe Jong関数,離散,連続および混合変数を持つ非線形制約および非制約問題を最適化するために使用されてきた。も他の良く知られたアルゴリズムと比較した。実験結果はSLGA法は良い性能を持ち,解空間,その収束能力を高める内世代の数を減少させることを示した。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： *最適化 ,  *標識法 ,  高次元 ,  *アルゴリズム ,  *遺伝的アルゴリズム ,  個体群 ,  突然変異
準シソーラス用語： 解空間 ,  突然変異演算子 ,  適応度 ,  ポリトープ ,  計算負荷 ,  探索空間 ,  大域的最適化 ,  *非線形最適化 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 原子力 ,  標識化 ,  遺伝的アルゴリズム ,  非線形最適化