文献

J-GLOBAL ID：202202248395197296   整理番号：22A0960042

ドロップアウトニューラルネットワークにより支援された高次元多目的および多目的拡大問題の進化的最適化【JST・京大機械翻訳】

Evolutionary Optimization of High-Dimensional Multiobjective and Many-Objective Expensive Problems Assisted by a Dropout Neural Network

著者 (6件)： Guo Dan (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang, China) ,  Wang Xilu (Department of Computer Science, University of Surrey, Guildford, U.K.) ,  Gao Kailai (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang, China) ,  Jin Yaochu (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang, China) ,  Ding Jinliang (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang, China) ,  Chai Tianyou (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang, China)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 52  号： 4  ページ： 2084-2097  発行年： 2022年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Gaussプロセス(GP)は,主にそれらの出力の信頼レベルを提供する能力により,高価な問題の代理支援進化最適化で広く使用され,Bayes最適化で使われる取得関数のような,原理的代理管理法の採用を可能にする。残念なことに,GPは,訓練サンプルの数において,それらの計算複雑度が立方であるので,高次元多目的および多目的最適化のために,より実用的でない。本論文では,Gauss過程と新しいモデル管理戦略を置き換えるための計算効率の良いドロップアウトニューラルネットワーク(EDN)を提案し,高次元多目的および多目的高価最適化問題を解くための進化アルゴリズムを支援するための収束と多様性の間の良好なバランスを達成した。従来のドロップアウトニューラルネットワークは,信頼レベルを計算するための訓練中に多数のネットワークモデルを節約する必要があるが,EDNでは1つの単一ネットワークモデルだけが必要であり,ニューラルネットワークの訓練と試験の両方でニューロンをランダムに無視することによって,適応度とその信頼レベルを推定する。100の意思決定変数と20の目的までのベンチマーク問題に関する大規模な実験研究は,最先端技術と比較して,提案アルゴリズムが性能において高度に競合するだけでなく,高次元の多目的最適化問題に対して計算的にスケーラブルであることを示した。最後に,提案アルゴリズムを原油蒸留装置の運転最適化問題で検証し,さらに,限られた計算予算を与える高価な問題を扱う能力を確認した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  最適化問題 ,  ニューロン ,  原油 ,  *ニューラルネットワーク ,  Gauss過程 ,  計算量 ,  多目的計画法 ,  *高次元 ,  ベンチマーク
準シソーラス用語： 進化的アルゴリズム ,  多目的最適化 ,  計算効率 ,  ネットワークモデル , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (6件)： 支援 ,  高次元 ,  多目的 ,  拡大 ,  問題 ,  進化的最適化