文献

J-GLOBAL ID：202202239257319308   整理番号：22A1037899

ハイブリッド突然変異戦略によるサブポピュレーション粒子群最適化【JST・京大機械翻訳】

Subpopulation Particle Swarm Optimization with a Hybrid Mutation Strategy

著者 (3件)： Xie Zixuan (JiangXi University of Science and Technology, Ganzhou 341000, China) ,  Huang Xueyu (JiangXi University of Science and Technology, Ganzhou 341000, China) ,  Liu Wenwen (JiangXi University of Science and Technology, Ganzhou 341000, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 実世界における大規模最適化問題がますます複雑になるので,それらはまた,時間によるペースを保つための異なる最適化アルゴリズムを必要とする。粒子スウォーム最適化アルゴリズムは,様々な最適化問題を扱うことが証明されている良いツールである。従来のパーティクルスウォーム最適化アルゴリズムは,2つの粒子,すなわち,現在の粒子の最良の位置とすべての粒子の最良の位置から学ぶ。このパーティクルスウォーム最適化アルゴリズムは,実装が簡単で,理解が容易であるが,致命的な欠陥を持つ。グローバル最適解を迅速かつ正確に見つけることは難しい。標準パーティクルスウォーム最適化のこれらの欠陥に対処するために,本論文は,シードスウォーム最適化(https://gitee.com/mr-xie123234/code/tree/master/から利用可能なコード)のハイブリッド戦略に基づく粒子群最適化アルゴリズム(SHMPSO)を提案する。SHMPSOにおいて,亜集団共進化粒子群最適化アルゴリズムを採用した。SHMPSOでは,弾性候補ベース戦略を用いて候補を見出し,個体群間の情報共有と共進化を実現した。平均次元学習戦略を用いて,母集団をより速く収束させ,SHMPSOの解精度を改善した。21のベンチマーク関数と6つの産業認識パーティクルスウォーム最適化変異体を用いて,SHMPSOの利点を検証した。実験結果は,SHMPSOが良好な収束速度と良好なロバスト性を持ち,高精度解を得ることができることを示した。Copyright 2022 Zixuan Xie et al. 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 ,  関数 ,  *最適化 ,  速度 ,  最適化問題 ,  最適化手法 ,  弾性 ,  *突然変異 ,  個体群 ,  母集団 ,  ベンチマーク ,  情報共有
準シソーラス用語： 最適解 ,  *粒子群最適化 ,  共進化 ,  収束速度 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ロケットエンジン  (PB02050J)

引用文献 (47件)：

• J. Kennedy, R. C. Eberhart, "Particle swarm optimization," Proc. IEEE Int. Conf. Neural Netw., vol. 4, pp. 1942-1948, 1995.
• R. C. Eberhart, J. Kennedy, "A new optimizer using particle swarm theory," Proceedings of the 6th International Symposium on Micro Machine and Human Science, pp. 39-43, Nagoya, Japan, October 1995.
• W. Li, S. Li, Z. Chen, L. Zhong, C. Ouyang, "Self-feedback differential evolution adapting to fitness landscape characteristics," Soft Computing, vol. 23, no. 4, pp. 1151-1163, 2019.
• O. Engin, A. Güçlü, "A new hybrid ant colony optimization algorithm for solving the no-wait flow shop scheduling problems," Applied Soft Computing, vol. 72, pp. 166-176, 2018.
• Y. Xue, J. Jiang, B. Zhao, T. Ma, "A self-adaptive artificial bee colony algorithm based on global best for global optimization," Soft Computing, vol. 22, no. 9, pp. 2935-2952, 2018.

タイトルに関連する用語 (4件)： 突然変異 ,  戦略 ,  サブ ,  粒子群最適化