文献

J-GLOBAL ID：201702275801035027   整理番号：17A1262638

高次元費用のかかる問題の代理支援協調群最適化【Powered by NICT】

Surrogate-Assisted Cooperative Swarm Optimization of High-Dimensional Expensive Problems

著者 (5件)： Sun Chaoli (Department of Computer Science and Technology, Taiyuan University of Science and Technology, Taiyuan, China) ,  Jin Yaochu (Department of Computer Science and Technology, Taiyuan University of Science and Technology, Taiyuan, China) ,  Cheng Ran (School of Computer Science, University of Birmingham, Edgbaston, U.K.) ,  Ding Jinliang (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang, China) ,  Zeng Jianchao (School of Computer Science and Control Engineering, North University of China, Taiyuan, China)
資料名： IEEE Transactions on Evolutionary Computation  (IEEE Transactions on Evolutionary Computation)
巻： 21  号： 4  ページ： 644-660  発行年： 2017年 
JST資料番号： W0968A  ISSN： 1089-778X  CODEN： ITEVF5  資料種別： 逐次刊行物 (A)
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： 代理モデルは計算機的に高価で複雑な最適化問題を解くためのメタヒューリスティックアルゴリズムを支援するのに有効であることを示した。,しかし,既存の代理支援メタヒューリスティックアルゴリズムの有効性は低次元最適化問題で検証した。本論文では,代理支援協調群最適化アルゴリズムを提案し,代理支援粒子群最適化(PSO)アルゴリズムと代理支援社会的学習に基づくPSO(SL PSO)アルゴリズムを協同的に大域的な最適を探索した。PSO(粒子群最適化)との連携とSL PSO(粒子群最適化)は二つの側面。まず,実際の適応度関数によって評価し有望な解決策を共有している。第二に,SL PSOが探査に焦点を当てたPSO(粒子群最適化)は,局所探索に集中した。六百五十Dおよび六百Dベンチマーク問題に関する経験的研究は,提案したアルゴリズムが限定された計算予算に高次元問題のための高品質な解を見出すことができることを実証した。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： 計算機械 ,  アルゴリズム ,  *高次元 ,  近傍探索法 ,  最適化問題 ,  *最適化 ,  ベンチマーク ,  学習
準シソーラス用語： 高品質 ,  適応度関数 ,  粒子群最適化 ,  最適アルゴリズム ,  低次元 ,  代用モデル , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (6件)： 高次元 ,  費用 ,  問題 ,  支援 ,  協調 ,  最適化