文献

J-GLOBAL ID：201902217540164325   整理番号：19A0427154

巡回セールスマン問題を解くための遺伝的アルゴリズムとマルチエージェント強化学習ヒューリスティックを用いたハイブリッドアルゴリズム【JST・京大機械翻訳】

A hybrid algorithm using a genetic algorithm and multiagent reinforcement learning heuristic to solve the traveling salesman problem

著者 (4件)： Alipour Mir Mohammad (Department of Computer Engineering, Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran) ,  Razavi Seyed Naser (Department of Computer Engineering, Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran) ,  Feizi Derakhshi Mohammad Reza (Department of Computer Engineering, Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran) ,  Balafar Mohammad Ali (Department of Computer Engineering, Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 30  号： 9  ページ： 2935-2951  発行年： 2018年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,ハイブリッド遺伝的アルゴリズム(GA)は重要な関心を集めており,現実世界の問題を解決するために広く使われている。発見的方法のハイブリッド化は,最適化問題に対するより良い結果を達成するために,独立した発見的手法の利点を組み込むことを目的とする。本論文では,巡回セールスマン問題(TSP)を解くために,GAとマルチエージェント強化学習(MARL)発見のハイブリッド化を提案した。ハイブリッド化プロセスは,MARL発見を用いてGAの初期母集団を生成することによって実行される。この方法では,Smart多点交差と呼ばれる新しいクロスオーバ演算子を持つGAは,tour改良発見として作用し,MARLは構築発見として作用する。TSPLIBから得たいくつかのTSPデータセットに基づく数値結果は,提案した方法が多くのTSPデータセットの最適解を見出し,他の最適解を見出し,解の質とCPU時間に関して9つの最先端アルゴリズムと競合できることを実証した。Copyright 2017 The Natural Computing Applications Forum Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *遺伝的アルゴリズム ,  発見的方法 ,  *強化学習 ,  最適化問題 ,  *巡回セールスマン問題 ,  *遺伝 ,  学習アルゴリズム ,  母集団 ,  *アルゴリズム
準シソーラス用語： 最先端 ,  最適解 ,  クロスオーバー ,  *ハイブリッドアルゴリズム ,  *ヒューリスティック ,  *マルチエージェント , 【Automatic Indexing@JST】

著者キーワード (4件)： ハイブリッド遺伝的およびマルチエージェント強化学習アルゴリズム(GA+MARL) ,  巡回セールスマン問題 ,  スマート多点クロスオーバ(SMX) ,  MARLヒューリスティック

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 巡回セールスマン問題 ,  遺伝的アルゴリズム ,  マルチエージェント ,  強化学習 ,  ヒューリスティック ,  ハイブリッドアルゴリズム