文献

J-GLOBAL ID：202202229651851452   整理番号：22A1051883

順列最適化に対する連鎖学習,遺伝子プール最適混合,非冗長符号化の影響【JST・京大機械翻訳】

On the impact of linkage learning, gene-pool optimal mixing, and non-redundant encoding on permutation optimization

著者 (7件)： Guijt Arthur (Delft University of Technology, Delft, the Netherlands) ,  Guijt Arthur (Centrum voor Wiskunde en Informatica, Amsterdam, the Netherlands) ,  Luong Ngoc Hoang (Centrum voor Wiskunde en Informatica, Amsterdam, the Netherlands) ,  Luong Ngoc Hoang (University of Information Technology (UIT), VNU-HCM, Viet Nam) ,  Bosman Peter A.N. (Delft University of Technology, Delft, the Netherlands) ,  Bosman Peter A.N. (Centrum voor Wiskunde en Informatica, Amsterdam, the Netherlands) ,  de Weerdt Mathijs (Delft University of Technology, Delft, the Netherlands)
資料名： Swarm and Evolutionary Computation  (Swarm and Evolutionary Computation)
巻： 70  ページ： Null  発行年： 2022年 
JST資料番号： W3213A  ISSN： 2210-6502  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： 遺伝子プール最適混合進化アルゴリズム(GOMEA)は,様々なタイプの問題変数を有する様々なタイプの最適化問題に関して最先端の結果を達成することが示されている。最近,順列空間のためのGOMEAは,ランダム鍵符号化を符号化することによって導入され,順列フローショップインスタンスに関する有望な最初の結果を得る。GOMEAの重要な引用された強度は,リンク学習,即ち,最適化の間,問題変数間の鍵依存性を決定する能力である。しかしながら,連鎖学習の付加価値は,置換GOMEAの深さで試験されなかった。ここでは,置換空間で直接動作するqGOMEAと呼ぶ新しいバージョンGOMEAを導入し,ランダム鍵を使用する冗長性を除去した。さらに,GOMEA変異体におけるランダム雑音を含む様々なリンク情報源を考察し,以前に考察したよりも広範囲の問題について様々な古典的遺伝的アルゴリズムとの性能を比較した。リンク学習の利益は,様々な人工ベンチマーク問題に対して明確に見えるが,これは,様々な実世界の触発問題に対して,はるかに少ない。最後に,qGOMEAが最良に機能し,より広い範囲の置換問題に適用できることを見出した。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： *最適化 ,  *学習 ,  最適化問題 ,  *冗長性 ,  情報源 ,  付加価値 ,  *順列 ,  変数 ,  不規則雑音 ,  ベンチマーク ,  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 , 【Automatic Indexing@JST】

著者キーワード (3件)： 遺伝的アルゴリズム ,  分布推定アルゴリズム ,  置換問題

分類 (5件)： 人工知能  (JE08000Z) ,  ネットワーク法  (KA03040X) ,  粒状物調査測定  (SB03060E) ,  リモートセンシング一般  (AD04000L) ,  対流圏・成層圏の地球化学  (DD01020P)

タイトルに関連する用語 (7件)： 順列 ,  最適化 ,  連鎖 ,  学習 ,  遺伝子プール ,  冗長 ,  符号化