文献

J-GLOBAL ID：201702277639985432   整理番号：17A0369072

新規ハイブリッド教育学習ベース多目的粒子群最適化【Powered by NICT】

A novel hybrid teaching learning based multi-objective particle swarm optimization

著者 (5件)： Cheng Tingli (School of Electrical Engineering, Chongqing University, Chongqing, China) ,  Chen Minyou (School of Electrical Engineering, Chongqing University, Chongqing, China) ,  Fleming Peter J. (Department of Automatic Control & System Engineering, University of Sheffield, Sheffield, UK) ,  Yang Zhile (School of Electronics, Electrical Engineering and Computer Science, Queens University Belfast, Belfast, UK) ,  Gan Shaojun (School of Electronics, Electrical Engineering and Computer Science, Queens University Belfast, Belfast, UK)
資料名： Neurocomputing  (Neurocomputing)
巻： 222  ページ： 11-25  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 良好な収束と十分に分散された最適パレートフロントを得るためにどのように最もメタヒューリスティック多目的最適化(M00)法の主要な課題である。本論文では,HTL MOPSOと命名した円形混雑した選別(CCS)を備えた新しいハイブリッド教育学習ベース粒子群最適化(HTL PSO)はM00問題を解くための提案した。特に,多様性を促進し,探索能力を改善するために新しいHTL MOPSOは教育学習ベース最適化(TLBO)アルゴリズムを用いた標準的PSO(粒子群最適化)探索を組み合わせたものである。,外部エリートアーカイブを場合CCS技術は解の多様性と広がりを改良するために開発した。HTL MOPSOアルゴリズムの性能を,幾つかの良く知られたベンチマーク問題で試験され,真のParetoフロントへの最終解の収束と広がりの点で他の最新M00アルゴリズムと比較した。,HTL PSO(粒子群最適化)とCCSの戦略により作製した個々の寄与を解析した。実験結果は,HTL MOPSOの有効性を検証し,良好な広がりと多様性の解を見出すためのその優れた能力を示し,良好な収束を保証する。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： ベンチマーク ,  *学習 ,  *最適化 ,  アルゴリズム ,  *教育
準シソーラス用語： *粒子群最適化 ,  多目的最適化 ,  パレートフロント ,  *多目的粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多目的最適化 ,  パーティクルスワーム最適化 ,  教育-学習に基づく最適化 ,  混雑した選別

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 教育 ,  学習 ,  多目的粒子群最適化