文献

J-GLOBAL ID：202002253176672059   整理番号：20A1863703

大規模最適化のためのオンライン最適化器選択による協調共進化【JST・京大機械翻訳】

Cooperative co-evolution with online optimizer selection for large-scale optimization

著者 (3件)： Sun Yuan (The University of Melbourne, Parkville, VIC, Australia) ,  Kirley Michael (The University of Melbourne, Parkville, VIC, Australia) ,  Li Xiaodong (RMIT University, Melbourne, VIC, Australia)
資料名： ACM Proceedings  (ACM Proceedings)
号： GECCO ’18  ページ： 1079-1086  発行年： 2018年 
JST資料番号： D0698C  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： 協調共進化(CC)は,大規模最適化問題を解くのに使用できる有効なフレームワークである。それは典型的に問題をコンポーネントに分割して,ラウンドロビン方式でコンポーネントを解決するために1つの最適化器を使用する。しかし,全適応度値に対する各成分の相対的寄与は変化する可能性がある。さらに,1つの最適化器を用いることは,異なる特性を有する広範囲の成分を解くとき,十分ではないかもしれない。本論文では,適応度改善へのその寄与に基づくコンポーネントを解くための適切な最適化器を選択することができる新しいCCフレームワークを提案した。各進化サイクルにおいて,適応度改善に最も貢献する候補最適化器と構成要素を進化のために選択した。大規模ベンチマーク問題を用いた最適化選択(CCOS)アルゴリズムによる提案CCの有効性を評価した。数値実験は,CCOSが最適化選択能力なしでCCモデルより優れていることを示した。いくつかの他の最先端アルゴリズムと比較して,CCOSは競合解品質を生成した。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  資源割付 ,  有効性 ,  ベンチマーク
準シソーラス用語： ラウンドロビン ,  数値実験 ,  適応度 ,  *大規模最適化 ,  *協調共進化 , 【Automatic Indexing@JST】

著者キーワード (5件)： アルゴリズムハイブリダイゼーション ,  アルゴリズム選択 ,  協調的共進化 ,  大規模最適化 ,  資源配分

分類 (2件)： システム最適化手法  (IA02050Z) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 大規模最適化 ,  オンライン最適化 ,  協調共進化