文献

J-GLOBAL ID：201802264646022925   整理番号：18A0284964

大域最適化のためのハイブリッド遺伝的収縮Newton法【Powered by NICT】

Hybrid genetic deflated Newton method for global optimisation

著者 (5件)： Noack Marcus M. (Kalkulo AS, P.O. Box 134, 1325 Lysaker, Norway) ,  Noack Marcus M. (Simula Research Laboratory, P.O. Box 134, 1325 Lysaker, Norway) ,  Noack Marcus M. (Department of Informatics, University of Oslo, Gaustadalleen 23 B, 0373 Oslo, Norway) ,  Funke Simon W. (Simula Research Laboratory, P.O. Box 134, 1325 Lysaker, Norway) ,  Funke Simon W. (Department of Informatics, University of Oslo, Gaustadalleen 23 B, 0373 Oslo, Norway)
資料名： Journal of Computational and Applied Mathematics  (Journal of Computational and Applied Mathematics)
巻： 325  ページ： 97-112  発行年： 2017年 
JST資料番号： W0152A  ISSN： 0377-0427  CODEN： JCAMDI  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： 最適化は自然の基本原理であり,研究と産業における応用の大変化を有している。は大域的最適を見つける計算効率と確率の種々の強さと弱さを示す種々の最適化手順の複数である。大部分の方法は,これらの二つの側面の間のトレードオフを提供する。本論文では,競合する方法よりも効率的に局所的および大域的最適条件を見出すためにハイブリッド遺伝的収縮Newton(HGDN)法を提案した。提案した方法は,局所最小値を含む領域のためのパラメータ領域,とそれらの正確な位置を見出す効率的に収縮Newtonアルゴリズムを探索する遺伝的アルゴリズムを用いたハイブリッドアルゴリズムである。各反復において,同定された最小値は収縮を用いて除去される,それらは再び観察されないことが分かった。遺伝的アルゴリズムは適応している子孫の各世代の個体ごとはNewton法を用いた最適のその隣接する空間を探索する見出された場合,最適条件は収縮によって除去されると,個体はその出発位置に戻る。より最適を見つけることができるなくなるまでこの手順を繰り返す。収縮段階は同じ最適を2回が見出されないことを保証する。その後の遺伝的段階では,新世代子孫のが形成され,最適の成長を使用することである。は,提案した方法は大域的最適に収束する,小さな集団でもことを実証した。さらに,数値結果はHGDN法は必要な機能と導関数評価の数を改善数桁できることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 最適条件 ,  導関数 ,  アルゴリズム ,  遺伝的アルゴリズム ,  *最適化 ,  *遺伝
準シソーラス用語： ハイブリッドアルゴリズム ,  計算効率 ,  *大域的最適化 , 【Automatic Indexing@JST】

著者キーワード (3件)： ハイブリッド最適化 ,  収縮Newton ,  遺伝的アルゴリズム

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 (3件)： 大域最適化 ,  収縮 ,  Newton法