文献

J-GLOBAL ID：201902245031644061   整理番号：19A2879692

複数の自動車設計ベンチマークのための多因子PSO-FAハイブリッドアルゴリズム【JST・京大機械翻訳】

Multifactorial PSO-FA Hybrid Algorithm for Multiple Car Design Benchmark

著者 (3件)： Xiao Heng (Osaka University,Graduate School of Information Science and Technology,Suita,Japan,565-0871) ,  Yokoya Gen (Osaka University,Graduate School of Information Science and Technology,Suita,Japan,565-0871) ,  Hatanaka Toshiharu (Osaka University,Graduate School of Information Science and Technology,Suita,Japan,565-0871)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SMC  ページ： 1926-1931  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 進化的マルチタスクは,探索集団が並列に独立問題を操作する進化計算の新しい応用として現在注目されている。進化的多因子最適化は進化的マルチタスクの例として近年提案されており,それはいくつかのタスクを処理する人間の認識能力によって触発されている。実際の進化的多要因最適化は,異なる問題の間の関係を使用し,各問題に資源を割り当てる。集団に基づく探索の並列性は,異なるタスクが最適化されなければならないマルチタスク最適化のための良いソルバであると期待される。本論文では,ハイブリッド群知能に基づく多因子最適化を提案した。ハイブリッド群は,粒子群モデルとホタルモデル,および多因子進化アルゴリズムに使用されるスキル因子を用いることによる多重因数分解と結合される。次に,提案したアルゴリズムを複数の自動車構造設計ベンチマークに適用した。そこでは,3つの異なる車両が,軽いが満足な剛性と安全性を持つように処理されている。言い換えると,同時3台の自動車設計問題は,マルチタスク最適化として扱われる。実験結果により,ハイブリッド化は,ベーススウォーム知能ベースの多因子最適化よりも,より効率的な探索性能を与えることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  多重化 ,  最適化 ,  剛性 ,  構造設計 ,  進化的計算 ,  *自動車 ,  因数分解 ,  *ベンチマーク
準シソーラス用語： 進化的アルゴリズム ,  群知能 ,  ソルバ ,  マルチタスク ,  *ハイブリッドアルゴリズム ,  *自動車設計 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 自動車 ,  設計 ,  ベンチマーク ,  PSO ,  FA ,  ハイブリッドアルゴリズム