文献

J-GLOBAL ID：201802259716782906   整理番号：18A1528808

高次元問題の最適化に関する研究【JST・京大機械翻訳】

Study on the High Dimensional Problem Optimization by Particle Swarm Algorithm

著者 (2件)： Hao Wuwei (山西交通職業技術学院 経済管理系,太原,030031) ,  Li Junji (太原科技大学 人事教育処,太原,030024)
資料名： Kongzhi Gongcheng  (Kongzhi Gongcheng)
巻： 25  号： 5  ページ： 870-877  発行年： 2018年 
JST資料番号： C2953A  ISSN： 1671-7848  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： Q-learning機械学習に基づく粒子群最適化(PSO)は,高次元問題に対するPSOの最適化効果を改善できる。まず,PSOの個体群サイズを縮小し,Q-learning機械学習技術によりPSO粒子の挙動を管理した。そして,Q-learning機械学習技術は粒子の性能に従って適応的に粒子の操作を切り替え,性能の良い操作は賞賛を受け,性能差の操作はペナルティを受ける。最終的に,Q-learning学習技術のグローバル最適化能力を通して,PSOの局所的最適化能力の欠陥を埋める。シミュレーション実験は,PSOアルゴリズムが高次元問題の最適化性能と収束速度を改善することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *高次元 ,  個体群 ,  シミュレーション ,  ペナルティ ,  *最適化 ,  学習 ,  機械学習
準シソーラス用語： 収束速度 ,  大域的最適化 ,  機械学習技術 ,  粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： Particle swarm optimization ,  machine learning ,  convergence speed ,  combinatorial problem ,  local optimization ,  global optimization

分類 (2件)： 人工知能  (JE08000Z) ,  システム最適化手法  (IA02050Z)

タイトルに関連する用語 (4件)： 高次元 ,  問題 ,  最適化 ,  研究