抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチモーダル,多目的最適化問題(MMOPs)の解決において,目的空間におけるPareto最適フロント(PF)の良好な表現を見つけるだけでなく,可変空間におけるすべての等価パレート最適部分集合(PSS)を見つける。このような問題は,意思決定者(DM)が類似の性能を持つ代替設計の同定に関心があるとき,実際的に関連している。MMOPを扱うための効率的なアルゴリズムを開発するために,近年,重要な研究関心が寄せられている。しかしながら,既存のアルゴリズムは,2つの目的と2つの変数を含む問題を取り扱うために,まだ,機能評価の禁止数(数千)を必要とする。アルゴリズムは,変数と目的空間における多様性と収束を管理するために付加的パラメータを必要とする洗練されたカスタマイズされたメカニズムで典型的に埋め込まれている。本レターでは,単純な設計および標準EAと比較して調整を必要とする追加のユーザ定義パラメータなしで,MMOPを解くための定常状態進化アルゴリズムを導入した。1000関数評価の低計算予算を用いてベンチマークに広く用いられている様々なテストスイートからの21のMMOPに関するその性能を報告した。提案アルゴリズムの性能を,6つの最先端アルゴリズム(MO Ring PSO SCD,DN-NSGAII,TriMOEA-TA&R,CPDEA,MMOEA/DCおよびMMEA-WI)と比較した。”その性能”を,6つの最先端アルゴリズム(MO Ring PSO SCD,DN-NSGAII,TriMOEA-TA&R,CPDEA,MMOEA/DCおよびMMEA-WI)と比較した。提案したアルゴリズムは,IGDX,PSP,およびIGDを含む確立されたメトリックスに基づく上記のアルゴリズムよりも,かなり良い性能を示した。本研究は,実際の応用に対する取り込みを改善するために,簡単で効率的で一般化されたアルゴリズムの設計を促進することが期待される。【JST・京大機械翻訳】