文献

J-GLOBAL ID：201902252425204283   整理番号：19A0641917

進化的多目的最適化の性能改善のための多目的進化データマイニング【JST・京大機械翻訳】

Multiobjective Evolutionary Data Mining for Performance Improvement of Evolutionary Multiobjective Optimization

著者 (4件)： Masuyama Naoki ,  Tanigaki Yuki ,  Nojima Yusuke ,  Ishibuchi Hisao
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SMC  ページ： 745-750  発行年： 2018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： 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】

シソーラス用語： 機械学習 ,  意思決定者 ,  遺伝 ,  アルゴリズム ,  曖昧さ ,  *データマイニング ,  目的関数 ,  *最適化 ,  ルールベース
準シソーラス用語： 探索性能 ,  計算資源 ,  適合性評価 ,  設計変数 ,  Pareto最適解 ,  進化的多目的最適化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 進化的多目的最適化 ,  性能改善 ,  進化 ,  データマイニング