文献

J-GLOBAL ID：202002292922099527   整理番号：20A2065016

粗粒並列遺伝的アルゴリズムに基づく多角形近似【JST・京大機械翻訳】

Polygonal approximation based on coarse-grained parallel genetic algorithm

著者 (4件)： Wu Zhaobin (School of Computer Science and Engineering, Nanjing University of Science & Technology, Nanjing 210094, China) ,  Zhao Chunxia (School of Computer Science and Engineering, Nanjing University of Science & Technology, Nanjing 210094, China) ,  Liu Bin (School of Economics and Management, Hebei University of Science and Technology, Shijiazhuang, Hebei 050018, China) ,  Liu Bin (Research Center of Big Data and Social Computing, Hebei University of Science and Technology, Shijiazhuang, Hebei 050018, China)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 71  ページ： Null  発行年： 2020年 
JST資料番号： W0218A  ISSN： 1047-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,多角形近似問題を解くために,粗粒並列遺伝的アルゴリズム(CGPGA)を適用することを提案した。染色体はデジタル曲線を表現するために使用され,遺伝子は曲線の点に対応する。この方式は,全体の母集団をいくつかの部分母集団に分割し,その各々は進化的過程を別々に実行する。世代のあらゆる移動間隔数の後,これらの亜集団は互いにそれらの情報を交換する。機械学習におけるアンサンブル学習の設計理論に触発されて,本論文は,異なる部分母集団において,それぞれ異なるが効果的な遺伝的アルゴリズムを採用することを通して,基本的なCGPGAをさらに改善する。異なる亜集団間の多様性と各個々の亜集団における精度の両方を保証した。湖地図から抽出した4つのベンチマーク曲線と4つの実画像曲線に基づく実験結果は,基本CGPGAが,使用した遺伝的アルゴリズムより優れ,さらに,改良CGPGA(ICGPGA)が,最良解の品質,平均解,および最良解の分散に関して,基本CGPGAより効果的であることを示している。特に,これらの大きな近似問題に対して,ICGPGAはいくつかの代表的な遺伝的アルゴリズムよりも著しく優れている。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 遺伝子 ,  染色体 ,  *近似法 ,  ディジタル方式 ,  母集団 ,  ベンチマーク ,  機械学習 ,  *遺伝的アルゴリズム
準シソーラス用語： アンサンブル学習 ,  部分母集団 ,  *並列遺伝的アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (3件)： 多角形近似 ,  粗粒並列遺伝的アルゴリズム ,  アンサンブル学習

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)： 粗粒 ,  並列遺伝的アルゴリズム ,  多角形 ,  近似