文献

J-GLOBAL ID：202202243907109950   整理番号：22A0439806

センサネットワークのカバレッジと寿命を強化するための多目的教育-学習進化アルゴリズム【JST・京大機械翻訳】

Multi-objective teaching-learning evolutionary algorithm for enhancing sensor network coverage and lifetime

著者 (5件)： Tam Nguyen Thi (University of Science, Vietnam National University, Hanoi, Viet Nam) ,  Tam Nguyen Thi (Hanoi University of Science and Technology, Viet Nam) ,  Hoang Vu Dinh (Hanoi University of Science and Technology, Viet Nam) ,  Binh Huynh Thi Thanh (Hanoi University of Science and Technology, Viet Nam) ,  Vinh Le Trong (University of Science, Vietnam National University, Hanoi, Viet Nam)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 108  ページ： Null  発行年： 2022年 
JST資料番号： T0797A  ISSN： 0952-1976  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： カバレージは,無線センサネットワークの性能と適切な機能に不可欠な役割を果たす。しかし,ネットワークカバレッジの確保は,限られたセンシング範囲,通信範囲,およびエネルギーを有するセンサのために,多くの課題を満たしている。多くのカバレージ問題はNP困難であり,その1つは寿命問題(CTLP)によるネットワークカバレッジである。このように,多くのメタヒューリスティックアルゴリズムが,実際のシナリオでCTLPを解くために提案されてきた。本論文は,連続最適化問題に取り組むためにしばしば採用される教育学習ベースの最適化アルゴリズム(TLBO)に基づくCTLPのための方式を提案した。特に,HTLBOと呼ばれる多目的改良教育学習ベース最適化アルゴリズム(MO-ITLBO)の離散バージョンを提案し,進化的計算法に触発された遺伝的演算子を採用した。実験結果を,以前の手法,すなわちMO-ITLBO,高速エリート非優越ソーティング遺伝的アルゴリズム(NSGA-II),多目的微分進化(MODE),および分解に基づく多目的進化アルゴリズム(MOEA/D)から得た結果と比較した。評価は,間隔,超体積,非支配解,および被覆率を含む,異なる計量において著しい改善を示した。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 ,  *教育 ,  *学習 ,  最適化手法 ,  遺伝 ,  NP困難 ,  遺伝的アルゴリズム ,  *センサネットワーク
準シソーラス用語： *進化的アルゴリズム ,  無線センサネットワーク ,  ヒューリスティック ,  微分進化 ,  ネットワークカバレッジ ,  多目的進化アルゴリズム ,  非優越ソーティング , 【Automatic Indexing@JST】

著者キーワード (4件)： 無線地下センサネットワーク ,  負荷バランス ,  ネットワーク寿命 ,  進化アルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： センサネットワーク ,  カバレッジ ,  寿命 ,  強化 ,  教育 ,  学習 ,  進化アルゴリズム