文献

J-GLOBAL ID：202202218098872614   整理番号：22A0571442

航海最適化における共進化遺伝的アルゴリズムの利点【JST・京大機械翻訳】

The benefits of co-evolutionary Genetic Algorithms in voyage optimisation

著者 (6件)： Khan Saima (Department of Statistics, Quaid-i-Azam University, Islamabad, Pakistan) ,  Grudniewski Przemyslaw (Maritime Engineering, University of Southampton, Southampton, SO17 1BJ, England, United Kingdom) ,  Grudniewski Przemyslaw (Theyr Ltd, London, EC1V 1AW, England, United Kingdom) ,  Muhammad Yousaf Shad (Department of Statistics, Quaid-i-Azam University, Islamabad, Pakistan) ,  Sobey Adam J. (Maritime Engineering, University of Southampton, Southampton, SO17 1BJ, England, United Kingdom) ,  Sobey Adam J. (Marine and Maritime Group, Data-centric Engineering, The Alan Turing Institute, The British Library, London, NW1 2DB, England, United Kingdom)
資料名： Ocean Engineering  (Ocean Engineering)
巻： 245  ページ： Null  発行年： 2022年 
JST資料番号： D0597A  ISSN： 0029-8018  CODEN： OCENBQ  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： 排出削減は,世界的に重要性を増している。海運内で,国際マリタイム組織化規制は,排出を急速に削減するために,企業に圧力をかけている。1つの解決策は,5%のオーダーで,比較的小さな削減でさえ,サイズ可能なコストと環境的利益を提供する船の経路の最適化である。進化計算分野からの最新の進歩は,この問題,特に,探索の最も広い多様性を提供する共進化アルゴリズムについてベンチマークされていない。本論文は,3つの事例研究に関して最先端のアルゴリズムを比較し,燃料消費と予想される航海時間に及ぼすアルゴリズム選択の影響を示す。4つの最先端の遺伝的アルゴリズムを選択し,遺伝的アルゴリズムの主要ファミリーを表した。共進化アプローチは,cMLSGA(共進化多重レベル選択遺伝的アルゴリズム)を有するトップ性能を持ち,燃料使用の最大の潜在的削減,最先端技術の平均の7.6%,および,最新技術に関する平均で,最大性能を示す,cMLSGA(共進化多重レベル選択遺伝的アルゴリズム)を示した。Copyright 2022 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 ,  原価 ,  海上輸送 ,  気象 ,  船舶 ,  *生物進化 ,  経路選定 ,  多重化 ,  *航海 ,  事例研究 ,  ベンチマーク ,  *遺伝的アルゴリズム ,  進化的計算
準シソーラス用語： *共進化 ,  燃料消費量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 遺伝的アルゴリズム ,  船舶の気象ルーティング ,  航海の最適化 ,  海上輸送 ,  速度最適化

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

タイトルに関連する用語 (5件)： 航海 ,  最適化 ,  共進化 ,  遺伝的アルゴリズム ,  利点