文献

J-GLOBAL ID：201802210640104404   整理番号：18A1898281

競合ベース分散微分進化【JST・京大機械翻訳】

Competition-Based Distributed Differential Evolution

著者 (4件)： Ge Yong-Feng (South China University of Technology, School of Computer Science and Engineering, Guangzhou, 510006, China) ,  Yu Wei-Jie (Guangdong Provincial Key Lab of Computational Intelligence and Cyberspace Information, China) ,  Zhan Zhi-Hui (Guangdong Provincial Key Lab of Computational Intelligence and Cyberspace Information, China) ,  Zhang Jun (Sun Yat-sen University, School of Information Management, Guangzhou, 510275, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CEC  ページ： 1-8  発行年： 2018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： 微分進化(DE)はグローバル最適化のための単純で効率的な進化アルゴリズムである。分散微分進化(DDE)において,母集団はいくつかのサブ集団に分割され,各サブ集団はアルゴリズム性能を強化するために独立に進化する。亜母集団間のエリート個体を共有することにより,有効な情報が広がる。しかし,個人を通して交換された情報はまだ限られている。この問題に対処するために,サブ集団間の包括的相互作用を達成するために,競争ベース戦略を提案した。反対侵入と交差侵入と名付けた2つの演算子を設計し,良好な実行サブ集団から悪い実行サブ集団への侵入を実現した。逆侵入サブポピュレーションを利用することにより,有望な領域における探索効率は反対侵入により改善される。交差侵入において,侵入と侵入の両方のサブ集団からの情報が結合され,個体群多様性が維持される。さらに,提案したアルゴリズムを並列マスタースレーブ法で実装した。15の広く使われている大規模ベンチマーク関数について広範な実験を行った。実験結果は,提案した競合ベースのDDE(DDE-CB)が,いくつかの最先端のDDEアルゴリズムと比較して,競争力があるか,より良い性能を達成できることを実証した。良く知られたDDE変種と提案した競争ベース戦略協力の効果も検証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  母集団 ,  ベンチマーク ,  相互作用 ,  個体群 ,  ピュレー
準シソーラス用語： 最先端 ,  探索効率 ,  侵入 ,  進化的アルゴリズム ,  大域的最適化 ,  *微分進化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 競合 ,  微分進化