文献

J-GLOBAL ID：201702278183647982   整理番号：17A1254097

進化的マルチラベルハイパー・ヒューリスティック設計【Powered by NICT】

Evolutionary multilabel hyper-heuristic design

著者 (5件)： Rosales-Perez Alejandro (Tecnologico de Monterrey, School of Engineering and Science, Nuevo Leon, 64849, Mexico) ,  Gutierrez-Rodriguez Andres E. (Tecnologico de Monterrey, School of Engineering and Science, Nuevo Leon, 64849, Mexico) ,  Ortiz-Bayliss Jose C. (Tecnologico de Monterrey, School of Engineering and Science, Nuevo Leon, 64849, Mexico) ,  Terashima-Marin Hugo (Tecnologico de Monterrey, School of Engineering and Science, Nuevo Leon, 64849, Mexico) ,  Coello Carlos A. Coello (CINVESTAV-IPN, Evolutionary Computation Group, Mexico City, 07360, Mexico)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEC  ページ： 2622-2629  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： 発見的方法は,複雑な最適化問題を解くために一般的に使用される代替法を示した。が,与えられた問題に対して最も効果的なヒューリスティックを選択する問題を生みだしている。近年では,このタスクのために最も使用されている戦略の一つは超発見的方法,広範囲の最適化問題を解くための選択生成発見的方法で目的であった。既存選択超発見的方法のほとんどは,与えられたインスタンスのためのただ一つの発見的方法を推奨することを試みた。しかし,いくつかのクラスの問題に対して,一つ以上の発見的方法が適していることができる。この前提で,この論文では,著者らは,建物の超発見的方法のための進化的マルチラベル学習アプローチによりこの問題に取り組んだ。従来アプローチとは異なり,themultilabel定式化において,その結果は,単一の推奨が,潜在的発見的方法のセットできなかった。協調共進化アルゴリズムが問題をいくつかの部分問題にすることを可能にしたという事実のために,多ラベル分類を扱うための自然なアプローチをもたらした。提案した協調coevolutionarymultilabel手法は,各発見のための最も適切なパターンを選択することを目的としている。本論文に含まれている実験研究のために,筆者らは筆者らの研究事例としての制約充足問題のセットを用いた。著者らの実験結果は,提案した方法が参照法より優れていることを正確なハイパーヒューリスティックスを生成することができることを示唆した。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： 学習 ,  定式化 ,  *発見的方法 ,  アルゴリズム ,  制約充足問題 ,  最適化問題
準シソーラス用語： 実験研究 ,  部分問題 ,  *ヒューリスティック , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 進化 ,  設計