文献

J-GLOBAL ID：202002249041996979   整理番号：20A1958670

大規模最適化のための新しいグループベーススウォーム最適化器【JST・京大機械翻訳】

A Novel Group-based Swarm Optimizer for Large-Scale Optimization

著者 (6件)： Guan Shanwen (Guilin University of Electronic Technology,Guangxi Key Laboratory of Image and Graphic intelligent processing,Guilin,China) ,  Lan Rushi (Guilin University of Electronic Technology,Guangxi Key Laboratory of Image and Graphic intelligent processing,Guilin,China) ,  Zhu Yijie (Guilin University of Electronic Technology,Guangxi Key Laboratory of Image and Graphic intelligent processing,Guilin,China) ,  Wang Ruomei (Sun Yat-Sen University,School of Information Science and Technology,Guangzhou,China) ,  Zhu Yijie (Guilin University of Electronic Technology,School of Information and Communication,Guilin,China) ,  Wang Ruomei (Guilin University of Electronic Technology,Guangxi Key Laboratory of Image and Graphic intelligent processing,Guilin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICACI  ページ： 302-309  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： 本論文では,大規模最適化のために,新しいグループベーススウォーム最適化(GSO)を提案した。人間社会におけるグループ学習行動から発想を得て,階層的学習はGSOに関与する。質量学習段階において,GSOはランダムに3つの粒子を選び,研究グループを形成し,次に,研究グループのメンバーを更新するために競合機構を採用した。階層的学習相において,エリート粒子,より良い適合度値は次の反復のために直接保持される。Worst粒子は,同時にチームにおけるより有望な領域を探索するために,2つの主要な粒子を学習する。他の粒子は探索空間を探索するために微分進化を利用する。次に,GSOの理論的および経験的解析を提示して,提案した方法の探査能力を,最もポピュラーなパーティクルスウォーム最適化器と比較して実行した。さらに,2つの広く使用された大規模ベンチマークセットに関する一連の実験は,GSOがいくつかの最先端のアルゴリズムより大規模問題に関してより良い性能を達成することを実証した。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 ,  *最適化 ,  学習
準シソーラス用語： 探索空間 ,  粒子群最適化 ,  グループ学習 ,  適合度 ,  微分進化 ,  *大規模最適化 , 【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 (2件)： 大規模最適化 ,  最適化