文献

J-GLOBAL ID：202202221176803385   整理番号：22A0890726

三分割競合機構に基づく改良型多目的粒子群最適化アルゴリズム【JST・京大機械翻訳】

An improved multiobjective particle swarm optimization algorithm based on tripartite competition mechanism

著者 (5件)： Han Fei (School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, Jiangsu, China) ,  Han Fei (Jiangsu Key Laboratory of Security Technology for Industrial Cyberspace, Zhenjiang, Jiangsu, China) ,  Zheng Mingpeng (School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, Jiangsu, China) ,  Zheng Mingpeng (Jiangsu Key Laboratory of Security Technology for Industrial Cyberspace, Zhenjiang, Jiangsu, China) ,  Ling Qinghua (School of Computer Science, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 5  ページ： 5784-5816  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ペアワイズ競争機構に基づく最近提案された多目的パーティクルスウォーム最適化アルゴリズム(MOPSO)は,多目的最適化問題を効果的に解決することができず,それは,比較的貧弱な多様性と収束によって特徴付けられる。本論文では,三者競争メカニズムに基づく改良MOPSOアルゴリズム(TC-MOPSO)を提案した。この三者競争機構のために,ほとんどのMOPSOアルゴリズムで採用された従来のスウォームリーダと外部アーカイブは使用されず,粒子は各世代で現在のスウォームで実行される三者競争者に基づいて更新される。各競争において,3つの粒子はランダムにスウォームから選択され,低適応性の粒子は,特定のより良い粒子からの学習によって別々に更新され,それはアルゴリズムの多様性を維持しながら,空間でより広く探索することを可能にする。さらに,新しい進行性粒子更新戦略を適用して,位置を更新し,各粒子を更新した特定のより良い粒子から学習し,収束速度と精度を含む探索効率をさらに改善することができた。26のベンチマークテスト事例と特徴選択への応用に関する実験結果は,5つの最先端のMOPSOアルゴリズムと5つの競合多目的進化アルゴリズムに関して提案したアルゴリズムの優位性を証明した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 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 ,  改良 ,  適応性 ,  特徴選択 ,  多目的計画法 ,  スウォーム ,  多様性 ,  遺伝的アルゴリズム
準シソーラス用語： 進化的アルゴリズム ,  多目的最適化 ,  *粒子群最適化 ,  収束速度 ,  ベンチマークテスト ,  探索効率 ,  多目的進化アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 多目的最適化 ,  粒子群最適化 ,  進化アルゴリズム ,  三者間競争機構 ,  特徴選択

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

タイトルに関連する用語 (3件)： 競合 ,  多目的粒子群最適化 ,  アルゴリズム