文献

J-GLOBAL ID：202102276230340386   整理番号：21A0532513

ガ火炎最適化器の安定化のための二重適応重量:バランス解析,エンジニアリング事例,および医療診断【JST・京大機械翻訳】

Double adaptive weights for stabilization of moth flame optimizer: Balance analysis, engineering cases, and medical diagnosis

著者 (8件)： Shan Weifeng (Institute of Geophysics, China Earthquake Administration, Beijing 100081, China) ,  Shan Weifeng (School of Emergency Management, Institute of Disaster Prevention, Langfang 065201, China) ,  Qiao Zenglin (School of Emergency Management, Institute of Disaster Prevention, Langfang 065201, China) ,  Heidari Ali Asghar (School of Surveying and Geospatial Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Heidari Ali Asghar (Department of Computer Science, School of Computing, National University of Singapore, Singapore, Singapore) ,  Chen Huiling (Department of Computer Science and Artificial Intelligence, Wenzhou University, Wenzhou 325035, China) ,  Turabieh Hamza (Department of Information Technology, College of Computers and Information Technology, P.O. Box 11099, Taif 21944, Taif University, Taif, Saudi Arabia) ,  Teng Yuntian (Institute of Geophysics, China Earthquake Administration, Beijing 100081, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 214  ページ： Null  発行年： 2021年 
JST資料番号： T0426A  ISSN： 0950-7051  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： Moth火炎最適化(MFO)は,近年提案されたメディオク性能および限界独創性を有するスウォームベースアルゴリズムである。ガの横方向位置決めのファンタシーナビゲーションモードをシミュレーションすることを試みた。基本MFOは,アルゴリズムの異なる期間において,特定の,深い戦略を持たず,そして,脆弱な進化基底であり,そしてそれは,局所最適および遅い収束傾向に陥る問題に導いた。したがって,本論文では,基本MFOの探索能力を高め,最適化目的のためのより効率的なツールを提供するために,WEMFOと呼ばれるMFOアルゴリズムに二重適応重み機構を導入した。提案したWEMFOは,アルゴリズムの異なる期間において適応的に探索戦略を調整して,グローバル探索(多様化)と局所探索(強化)の間でより柔軟になった。WEMFOアルゴリズムを,最近30のベンチマーク関数で開発されたいくつかの錯誤的メタヒューリスティックソルバと先進メタヒューリスティック法と比較した。実験結果は,開発したWEMFOが収束速度と解精度に関して明らかな補償を有することを露出する。さらに,本論文は,WEMFOの多様性とバランスを分析して,いくつかの工学問題にアルゴリズムを適用する。実験結果は,WEMFOアルゴリズムが工学問題において良い性能を有することを示した。さらに,提案したWEMFOも,カーネル極端学習機械(KELM)を訓練するために適用し,得られた最適化WEMFO-KELMモデルを,6つの臨床疾患分類問題に適用した。MFO-KELMと他の5つの分類モデルを比較することによって,実験結果は,提案したアルゴリズムが実際的問題においてより良い性能を示したことを示した。本研究WEMFOと提案した分類器WEMFO-KELMにおけるアルゴリズムのためのオンラインガイドは,https://aliasgharheidari.comで公的に利用可能である。Copyright 2021 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： アルゴリズム ,  *最適化 ,  基底 ,  学習機械 ,  位置決め ,  発見的方法 ,  多様化 ,  スウォーム ,  ベンチマーク ,  近傍探索法
準シソーラス用語： パラメータ最適化 ,  収束速度 ,  脆弱性 ,  オンライン ,  探索戦略 , 【Automatic Indexing@JST】

著者キーワード (5件)： ガの火炎最適化装置 ,  医療診断 ,  パラメータ最適化 ,  性能最適化 ,  カーネル極限学習機械

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 火炎 ,  最適化 ,  安定化 ,  適応 ,  バランス ,  解析 ,  エンジニアリング ,  医療診断