文献

J-GLOBAL ID：201702266492866664   整理番号：17A1584777

粒子群と人工魚群の混合アルゴリズムに基づくTSPモデル【JST・京大機械翻訳】

Solving Model Based on Particle Swarm Optimization and Artificial Fish Swarm Algorithm

著者 (3件)： Peng Kai (安徽工程大学電气工程学院,安徽蕪湖,241000) ,  Huang Yiqing (安徽工程大学電气工程学院,安徽蕪湖,241000) ,  Shao Shouchen (安徽工程大学電气工程学院,安徽蕪湖,241000)
資料名： Sichuan Ligong Xueyuan Xuebao (Ziran Kexue Ban)  (Sichuan Ligong Xueyuan Xuebao (Ziran Kexue Ban))
巻： 30  号： 1  ページ： 27-31,37  発行年： 2017年 
JST資料番号： C3283A  ISSN： 1673-1549  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的な群知能アルゴリズムは最適化され,改良されているが,従来の単純なアルゴリズムの固有の欠陥と限界は根本的に除去することが難しいので,多くの群の知的なハイブリッドアルゴリズムが誘導される。人工魚群最適化アルゴリズム(AFSA)の収束速度が遅く,粒子群最適化(PSO)のグローバルな収束性が悪いという欠点を克服するために,新しい粒子群と人工魚群のハイブリッドアルゴリズムを提案した。人工魚群最適化アルゴリズムに基づき,人工魚群アルゴリズムにおける粒子群アルゴリズムの線形減少慣性重みづけ戦略を導入して,人工魚の符号化処理を行い,人工魚個体の視野を動的に変化させ,新しい粒子群人工魚群ハイブリッドアルゴリズム(PSO-AFSA)を形成した。このアルゴリズムは,巡回セールスマン問題(TSP)に適用されるハイブリッドアルゴリズムを用いて,融合されている問題を解決するために用いられる。シミュレーション結果は以下を示す。従来の人工魚群最適化アルゴリズムと粒子群最適化アルゴリズムと比較して,提案したハイブリッドアルゴリズムは,より良いグローバル収束性とより速い収束速度を持ったことが示されたことが示された,そして,それは,より良い収束性を示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 符号化 ,  最適化 ,  *魚群 ,  巡回セールスマン問題 ,  線形性 ,  *アルゴリズム ,  シミュレーション ,  重みづけ
準シソーラス用語： 粒子群最適化 ,  収束速度 ,  最適アルゴリズム ,  ハイブリッドアルゴリズム ,  群知能 , 【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)： 粒子群 ,  人工 ,  アルゴリズム ,  モデル