文献

J-GLOBAL ID：202202221946024689   整理番号：22A0736106

Q学習埋め込み正弦余弦アルゴリズム(QLESCA)【JST・京大機械翻訳】

Q-learning embedded sine cosine algorithm (QLESCA)

著者 (5件)： Hamad Qusay Shihab (School of Electrical and Electronic Engineering, Engineering Campus, Universiti Sains Malaysia, 14300 Nibong Tebal, Penang, Malaysia) ,  Hamad Qusay Shihab (University of Information Technology and Communications (UOITC), Baghdad, Iraq) ,  Samma Hussein (Soft Computing Research Group, School of Computing, Faculty of Engineering, Universiti Teknologi Malaysia, 81310 UTM, Johor Bahru, Johor, Malaysia) ,  Suandi Shahrel Azmin (School of Electrical and Electronic Engineering, Engineering Campus, Universiti Sains Malaysia, 14300 Nibong Tebal, Penang, Malaysia) ,  Mohamad-Saleh Junita (School of Electrical and Electronic Engineering, Engineering Campus, Universiti Sains Malaysia, 14300 Nibong Tebal, Penang, Malaysia)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 193  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： シンコシンアルゴリズム(SCA)は,軽量で,効率的であり,そして,明確なマッシュ主最適化器を持っている。しかし,SCAは,局所最適での停滞,遅い収束曲線,探索と開発探索モード間の効率的なバランスの欠如のような問題の集合に悩まされている。これらの限界を緩和し,SCA性能を改善するために,本研究では,実行時間で埋込みQ学習アルゴリズムを通してSCAパラメータをスマートに制御するQLESCAと呼ばれるSCAの新しいバージョンを導入した。各QLESCAエージェントは独立に進化し,それ自身のQテーブルを持つ。Qテーブルは,人口密度およびマイクロポピュレーションリーダーからの距離に基づいて計算した9つの異なる状態を含む。このように,QLESCAパラメータ,すなわちr_1とr_3を制御するためにQテーブルによって9つの異なる作用が発生する。これらのQLESCAパラメータは探査/爆発からの適応スイッチングの原因であり,その逆も同様である。各Qテーブル動作に対して,報酬値を,高性能エージェントに,そして,非形成エージェントにペナルティを与える。提案アルゴリズムの性能を検証するために,QLESCAを23の連続的ベンチマーク,20の大規模ベンチマーク最適化関数,および3つの工学設計問題で評価した。さらに,実施した解析を,種々のSCA変異体アルゴリズムおよび他の最先端のスウォームベース最適化法と比較した。数値結果は,QLESCAが達成適合度値に関して優れていることを証明した。統計的結果は,QLESCAが他の最適化アルゴリズムより著しく優れていることを確認した。さらに,収束曲線結果は,提案したQLESCA最適化が,他の実行アルゴリズムに対して高速収束を獲得することを示した。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 ,  収束 ,  スイッチング ,  最適化手法 ,  突然変異体 ,  ピュレー ,  ベンチマーク ,  ペナルティ ,  エージェント ,  *強化学習
準シソーラス用語： 実行時間 ,  *Q学習 ,  適合度 ,  ヒューリスティック ,  群知能 , 【Automatic Indexing@JST】

著者キーワード (6件)： シンセコサイン最適化器 ,  群知能 ,  Q学習アルゴリズム ,  最適化アルゴリズム ,  メタヒューリスティックアルゴリズム ,  大規模問題

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： Q学習 ,  埋め込み ,  アルゴリズム