文献

J-GLOBAL ID：202002240045311306   整理番号：20A2261329

高度な学習戦略による改良型教育学習ベース最適化アルゴリズム【JST・京大機械翻訳】

Improved Teaching-Learning-based Optimization Algorithm with Advanced Learning Strategy

著者 (5件)： Ye Jiazhen (University of Toyama,Faculty of Engineering,Toyama,Japan,930-8555) ,  Yu Yang (Nanjing University of Posts and Telecommunications,College of Automation & College of Artificial Intelligence,Nanjing,China,210023) ,  Zhang Yu (University of Toyama,Faculty of Engineering,Toyama,Japan,930-8555) ,  Todo Yuki (Kanazawa University,Faculty of Electrical, Information and Communication Engineering,Kanazawa-shi,Japan,920-1192) ,  Gao Shangce (University of Toyama,Faculty of Engineering,Toyama,Japan,930-8555)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IHMSC  ページ： 9-14  発行年： 2020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： 計算知能の重要なカテゴリーとして,メタヒューリスティックアルゴリズムは,最近20年間にわたって,常に一般的な研究興味であった。チャッシング学習ベース最適化(TLBO)は,複雑な最適化問題を解く際に有効性と効率を持つことが証明されている,自然にヒントを得たメタヒューリスティックアルゴリズムの1つである。TLBOは,異なる最適化問題を解くための顕著な能力を持っているが,局所最適へのトラッピングの問題は,メタヒューリスティックアルゴリズムの共通欠点であり,TLBOは例外ではない。そこで,新しい探索戦略を用いて,新しい選択操作によりTLBOの性能を改善した。IEEE CEC2017の29のベンチマーク関数を選択し,有効性とロバスト性に関して提案アルゴリズムの性能を検証した。実験結果は,提案したアルゴリズムが他の最先端のアルゴリズムより優れていることを示した。Copyright 2020 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 ,  *教育 ,  *最適化 ,  *学習 ,  最適化問題 ,  *最適化手法 ,  IEEE ,  人工知能 ,  有効性 ,  ベンチマーク ,  ロバスト性
準シソーラス用語： トラッピング ,  ヒューリスティック ,  *学習戦略 ,  探索戦略 , 【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)： 学習戦略 ,  教育 ,  学習 ,  最適化アルゴリズム