文献

J-GLOBAL ID：201802252705373170   整理番号：18A1304972

大域最適化のための依存ランダム係数による改良型ハイブリッド粒子群最適化【JST・京大機械翻訳】

An improved hybrid particle swarm optimization with dependent random coefficients for global optimization

著者 (4件)： Jiang Shanhe (Department of Physics and Power Engineering, Anqing Normal University, Anqing, China) ,  Zhang Chaolong (Department of Physics and Power Engineering, Anqing Normal University, Anqing, China) ,  Wu Wenjin (Department of Physics and Power Engineering, Anqing Normal University, Anqing, China) ,  Li Yanmei (Department of Physics and Power Engineering, Anqing Normal University, Anqing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： YAC  ページ： 666-672  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： 本論文において,改良ハイブリッド粒子群最適化(IHPSO)を粒子群最適化(PSO)の学習戦略フレームワークを用いて提案して,PSOに重力探索アルゴリズム(GSA)を適応させた。具体的には,IHPSOは,3つの学習戦略,すなわち,従属ランダム係数,固定反復間隔サイクル,および適応進化停滞サイクルを採用する。粒子は最初にPSO段階に入り,探査能力を強化するために最初の戦略に基づいてその速度を更新する。それらの適合性を改善することができない粒子は,ハイブリッド化における計算コストを減少させるために,後者の2つの戦略に関してGSA演算子に入る。IHPSOの有効性と実現可能性を評価するために,シミュレーションを種々の試験関数で実行した。結果は,IHPSOがPSO,GSAおよび他の最近開発されたハイブリッドバリアントと比較して,精度,信頼性および効率に関して優れた性能を示すことを明らかにした。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： 重力 ,  適応性 ,  信頼性 ,  *ハイブリッド方式
準シソーラス用語： 計算コスト ,  適応進化 ,  探索アルゴリズム ,  *粒子群最適化 ,  *大域的最適化 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (3件)： 大域最適化 ,  係数 ,  粒子群最適化