文献

J-GLOBAL ID：201802282290991668   整理番号：18A0645864

分類学習粒子群最適化アルゴリズムに基づく油圧矯正機制御【JST・京大機械翻訳】

Hydraulic Straightener Control Optimizer Based on Particle Swarm with Classification Learning

著者 (4件)： Zhang Kai (東北大学机械工程与自動化学院 沈陽 110004) ,  Song Jinchun (東北大学机械工程与自動化学院 沈陽 110004) ,  Li Song (東北大学机械工程与自動化学院 沈陽 110004) ,  Shi Jia (東北大学机械工程与自動化学院 沈陽 110004)
資料名： Jixie Gongcheng Xuebao  (Jixie Gongcheng Xuebao)
巻： 53  号： 18  ページ： 202-208  発行年： 2017年 
JST資料番号： W0292A  ISSN： 0577-6686  CODEN： CHHKA2  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： 工学的制御と設計において,多重パラメータを含む多目的最適化問題を解くために,より良い最適解を得るために,分類学習のための粒子群最適化アルゴリズムを提案した。各粒子の関数の適応値により、個体群を優勢群、中間層群と劣勢群の3種類に分け、それぞれ異なる学習方法と学習方向をとる。優勢グループは自身の学習速度と学習方向を維持し続ける。中間層群は,相互学習戦略を採用した。不利な個体群は優勢個体群の学習を強化する戦略を採用している。その利点は,関数の連続性と導関数による制約を受けないことである。数値実験結果は,提案したアルゴリズムが,単一ピーク,マルチモーダル,離散的,動的問題を含む関数を処理するときに,いくつかの改良粒子群最適化アルゴリズムよりも良好な収束性能を有することを示した。工学例により,圧力容器の構造設計および油圧矯正機PID制御のパラメータ最適化問題を処理するとき,このアルゴリズムは,より良い性能を持つパラメータを得ることができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 動的問題 ,  構造設計 ,  連続性 ,  多目的計画法 ,  *学習 ,  多重化 ,  多モード ,  *アルゴリズム ,  個体群
準シソーラス用語： パラメータ最適化 ,  数値実験 ,  中間層 ,  最適解 ,  *粒子群最適化 ,  *分類学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： particle swarm optimization ,  classification learning ,  structure design ,  PID ,  hydraulic straightener

分類 (3件)： システム最適化手法  (IA02050Z) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  工程管理  (KB03030P)

タイトルに関連する用語 (4件)： 分類学習 ,  粒子群最適化アルゴリズム ,  油圧 ,  矯正機