抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
パーティクルスウォーム最適化(PSO)アルゴリズムは,局所最適,収束精度,および収束速度が遅いという問題を解決するために,階層的自律学習に基づく改良パーティクルスウォーム最適化(HCPSO)アルゴリズムを提案する。最初に,パーティクルの適応度値と反復回数に従って,個体群を3つの異なる階層に分割した。次に,局所学習モデル,標準学習モデル,およびグローバル学習モデルを採用して,粒子多様性を増加させ,個人差の認知がアルゴリズムの性能に及ぼす影響を反映し,アルゴリズムの収束速度と収束精度を改善した。最後に、HCPSOアルゴリズムとPSOアルゴリズム、適応マルチサブ群パーティクルスウォーム最適化(PSO-SMS)アルゴリズム及び動的マルチサブスウォーム最適化(DMS-PSO)アルゴリズムをそれぞれ6つの典型的なテスト関数上で比較実験を行った。シミュレーション結果により,HCPSOアルゴリズムの収束速度および収束精度が,比較アルゴリズムと比較して,明らかに改善し,そして,実行時間および基本PSOアルゴリズムの実行時間は,0.001オーダーであり,そして,アルゴリズムの複雑性を増やさないとき,本アルゴリズムの性能は,より高くなった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】