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。
目的関数の制約付最適化問題に照準を定めて,目的関数を代替するエージェントモデルを提案して,目的関数の情報によって制約された個体を選択して,次に,エージェントモデルに基づく微分進化的拘束最適化アルゴリズムを提案した。最初に,初期母集団をラテンハイパーキューブサンプリング法で確立し,目的関数を時間消費で評価して,サンプルデータとして目的関数のニューラルネットワークエージェントモデルを確立した。その後、差分進化の方法を用いて、個体群のそれぞれの親に子孫を発生し、そして、後代に対して代理モデルを使用して評価を行い、実行可能性規則を用いて、子孫とその親を更新し、個体群を更新し、代替メカニズムにより、個体群中の劣った個体を備蓄用アーカイブの中優の個体に置き換えた。最後に,最大適応度評価の回数に達するとき,このアルゴリズムは停止し,最適解を与える。提案したアルゴリズムは,10の試験関数で実行し,その結果は,より正確であった。最適化アルゴリズムと比較して,このアルゴリズムの適応度評価の次数は,最適化前のアルゴリズムと比較して80%減少した。FROFI(FeasibilityRulewiththeincorporationofObjectiveFunctionInformation)アルゴリズムに対して、このアルゴリズムの適応度評価回数は36%減少した。提案したアルゴリズムの最適化は,目的関数の回数を減らし,最適化効率を改善し,計算コストを節約できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】