文献

J-GLOBAL ID：201702263428261672   整理番号：17A1481307

大域最適予測ベース適応突然変異粒子群最適化【Powered by NICT】

Globally-optimal prediction-based adaptive mutation particle swarm optimization

著者 (18件)： Cui Quanlong (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun, 130012, China) ,  Cui Quanlong (College of Computer Science and Technology, Jilin University, Qianjin Street 2699, Changchun, China) ,  Li Qiuying (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun, 130012, China) ,  Li Qiuying (Beijing Public Transport Holdings (Group) Co., Ltd., No.29, Lian Hua Chi Xi Li, Fengtai District, Beijing, China) ,  Li Gaoyang (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun, 130012, China) ,  Li Gaoyang (College of Computer Science and Technology, Jilin University, Qianjin Street 2699, Changchun, China) ,  Li Zhengguang (Mathematics School & Institute of Jilin University, Qianjin Street 2699, Changchun, China) ,  Han Xiaosong (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun, 130012, China) ,  Han Xiaosong (College of Computer Science and Technology, Jilin University, Qianjin Street 2699, Changchun, China) ,  Lee Heow Pueh (Department of Mechanical Engineering, National University of Singapore, 10 Kent Ridge Crescent, Singapore 119260, Singapore) ,  Liang Yanchun (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun, 130012, China) ,  Liang Yanchun (College of Computer Science and Technology, Jilin University, Qianjin Street 2699, Changchun, China) ,  Liang Yanchun (Zhuhai Laboratory of Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Zhuhai College of Jilin University, Zhuhai 519041, China) ,  Wang Binghong (Department of Modern Physics, University of Science and Technology of China, Hefei, Anhui, 230026, China) ,  Jiang Jingqing (College of Computer Science and Technology, Inner Mongolia University for Nationalities, Tongliao 028043, China) ,  Wu Chunguo (Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun, 130012, China) ,  Wu Chunguo (College of Computer Science and Technology, Jilin University, Qianjin Street 2699, Changchun, China) ,  Wu Chunguo (Zhuhai Laboratory of Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Zhuhai College of Jilin University, Zhuhai 519041, China)
資料名： Information Sciences  (Information Sciences)
巻： 418-419  ページ： 186-217  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： 粒子群最適化(PSO)は,その単純さと強力な大域的探索能力のために研究と工学分野からの広範な注目を集めている。しかし,改善すべき事が必要な二課題である:一つは古典的PSO(粒子群最適化)はゆっくり収束することである;もう一つは古典的PSO(粒子群最適化)は,時期尚早な収束,特に多峰問題のためのを生じる傾向があることである。本論文では,これらの二つの問題を解決することを試みる。収束効率を改善するために,本論文では,大域的最適解の漸近予測モデルを用いて,進化的傾向を反映した特徴を抽出に基づく大域的最適化を予測することであることを提案した。予測された大域的最適を第三模範とし,個々の歴史的最良解と他の粒子の進化過程を導く群歴史的最適解と同様である。個体群は早期現象に起因する局所最適値にトラップされる確率を低減するために,本論文では,適応突然変異戦略,トラップされた粒子は拡大した非一様突然変異演算子を用いて局所最適から脱出するために使用を提案した。最後に,二つの構成要素を結合大域的最適予測適応突然変異粒子群最適化(GPAM PSO)を開発した。数値実験部分では,30次元と100次元の22ベンチマーク問題を用いて11種のPSO(粒子群最適化)変異体と提案したGPAM PSO(粒子群最適化)を比較した。数値実験により,提案したGPAM PSO(粒子群最適化)は,精度と効率を顕著に向上させることを示し,これは大域的最適予測に基づく探索と適応突然変異戦略の組み合わせは,収束を加速し,早期現象を効果的に低減できることを意味している。一般的に言って,GPAM PSO(粒子群最適化)は最も効率的にかつロバストに行う。さらに,エンジニアリング問題の性能は,提案したGPAM PSO(粒子群最適化)アルゴリズムの実用化を実証した。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： アルゴリズム ,  *予測 ,  個体群 ,  *突然変異 ,  ベンチマーク ,  予測モデル ,  ロバスト性
準シソーラス用語： 数値実験 ,  突然変異演算子 ,  最適値 ,  進化過程 ,  大域的最適化 ,  最適解 ,  *粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： Adaptivity ,  関数あてはめ ,  大域的予測 ,  非一様突然変異 ,  パーティクルスワーム最適化

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 (4件)： 最適予測 ,  適応 ,  突然変異 ,  粒子群最適化