文献

J-GLOBAL ID：202202257764603342   整理番号：22A0630520

二レベル最適化のための転送学習ベース並列進化アルゴリズムフレームワーク【JST・京大機械翻訳】

Transfer Learning-Based Parallel Evolutionary Algorithm Framework for Bilevel Optimization

著者 (4件)： Chen Lei (School of Applied Mathematics, Guangdong University of Technology, Guangzhou, China) ,  Liu Hai-Lin (School of Applied Mathematics, Guangdong University of Technology, Guangzhou, China) ,  Tan Kay Chen (Department of Computing, Hong Kong Polytechnic University, Hong Kong) ,  Li Ke (Department of Computer Science, University of Exeter, Exeter, U.K.)
資料名： IEEE Transactions on Evolutionary Computation  (IEEE Transactions on Evolutionary Computation)
巻： 26  号： 1  ページ： 115-129  発行年： 2022年 
JST資料番号： W0968A  ISSN： 1089-778X  CODEN： ITEVF5  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： 進化アルゴリズム(EA)は二レベル最適化の有望なアプローチとして認識されてきた。しかし,EAの集団ベース特性は,2レベルの最適化問題の入れ子構造により,それらの効率と有効性に大きく影響する。本論文では,バイレベル最適化のための転送学習ベース並列EA(TLEA)フレームワークを提案した。このフレームワークにおいて,上位レベル変数によってパラメータ化された一組の低いレベル問題を最適化するタスクを並列方式で実行する。一方,転送学習戦略を開発し,各低レベル探索(LLS)プロセスの有効性を改善した。実際に,著者らは,2つのバージョンのTLEAを実装する:第1版は共分散行列適応進化戦略を使用し,第2版は,低レベル最適化における進化演算子として微分進化を用いる。広く使われている2レベル最適化ベンチマーク問題の2セットに関する実験的研究を行い,2つのTLEA実装の性能を,提案アルゴリズムフレームワークの有効性と効率を検証するために,4つの良く確立された進化バイレベル最適化アルゴリズムと比較した。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 ,  *学習 ,  最適化問題 ,  特性 ,  有効性 ,  ベンチマーク ,  パラメタリゼーション
準シソーラス用語： *進化的アルゴリズム ,  共分散行列 ,  入れ子構造 ,  適応進化 ,  微分進化 ,  学習戦略 ,  バイレベル最適化 , 【Automatic Indexing@JST】

分類 (5件)： パターン認識  (JE07000S) ,  符号理論  (ND02030R) ,  音声処理  (JE05000E) ,  データ保護  (JD01020V) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 最適化 ,  転送 ,  学習 ,  並列進化 ,  アルゴリズム ,  フレームワーク