文献

J-GLOBAL ID：202102256852792028   整理番号：21A0069764

非有界外部アーカイブによるMOEA/Dのアルゴリズム構成【JST・京大機械翻訳】

Algorithm Configurations of MOEA/D with an Unbounded External Archive

著者 (3件)： Pang Lie Meng (Southern University of Science and Technology,Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation,Department of Computer Science and Enginegering,Shenzhen,China) ,  Ishibuchi Hisao (Southern University of Science and Technology,Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation,Department of Computer Science and Enginegering,Shenzhen,China) ,  Shang Ke (Southern University of Science and Technology,Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation,Department of Computer Science and Enginegering,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 1087-1094  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： 進化的多目的最適化(EMO)コミュニティでは,EMOアルゴリズムの実行の結果として,最終個体群が意思決定者に提示されることが通常考えられている。最近,非有界外部アーカイブを用いて,事前指定数の解を全ての調べた非支配解から選択するいくつかの研究におけるEMOアルゴリズムの性能を評価した。このフレームワークでは,解選択フレームワークとして参照されるが,最終母集団は良い解集合ではない。したがって,解選択フレームワークは,最終母集団フレームワークよりもEMOアルゴリズムの設計に対してより高い柔軟性を提供する。本論文では,これら2つのフレームワークの下で分解(MOEA/D)に基づく多目的進化アルゴリズムの設計を検討した。最初に,MOEA/Dの性能を,初期および最終仕様の様々な組合せによる計算実験を通して,その実行中の基準点仕様を線形に変えることにより改善することを示した。解選択フレームワークのロバストで高性能を観測した。次に,各フレームワークにおけるMOEA/Dの最良構成を見つけるために,遺伝的アルゴリズムに基づくオフラインハイパーヒューリスティック法の使用を調べた。最後に,解選択フレームワークにおけるEMOアルゴリズムの実行後の解選択を論じた。Copyright 2021 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 ,  コミュニティ ,  発見的方法 ,  基準点 ,  柔軟性 ,  線形性 ,  個体群 ,  母集団 ,  意思決定者 ,  ロバスト性 ,  遺伝的アルゴリズム
準シソーラス用語： *有界 ,  進化的多目的最適化 ,  多目的進化アルゴリズム , 【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)： アーカイブ ,  アルゴリズム