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。
近年,進化的多目的最適化(EMO)アルゴリズムは,いくつかの相反する目的関数を同時に最適化するための工学的問題にしばしば用いられている。EMOアルゴリズムは,多くのパレート最適解をユーザに提供できる。EMOアルゴリズムの実用化において2つのシナリオを考慮した。一つは,決定者がEMOプロセス後に得られたものから単一解を選択することである。もう一つは,意思決定者が,対応する問題の設計変数と目的関数の間の関係を分析するための解を利用することである。本論文では,設計変数と目的関数の間の関係を表すif-thenルールベースの分類器を生成するために,ファジィ遺伝ベースの機械学習を第二のシナリオに適用した。また,EMOプロセス中にこの方法を用いて,候補子孫解を事前にスクリーニングした。分類器は非有望な子孫解を検出する。次に,それらは,それらの適合性評価の前に廃棄されるので,計算資源は有望な解のためにのみ使用される。この方法を一つのエンジニアリング問題に適用し,EMOアルゴリズムの探索性能に及ぼすその影響を調べた。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】