文献

J-GLOBAL ID：202202266572559610   整理番号：22A0630522

自己調整マルチタスク粒子群最適化【JST・京大機械翻訳】

Self-Adjusting Multitask Particle Swarm Optimization

著者 (5件)： Han Honggui (Faculty of Information Technology, Beijing Key Laboratory of Computational Intelligence and Intelligent System, Engineering Research Center of Digital Community, Ministry of Education, Beijing Artificial Intelligence Institute and Beijing Laboratory for Intelligent Environmental Protectio...) ,  Bai Xing (Faculty of Information Technology, Beijing Key Laboratory of Computational Intelligence and Intelligent System, Engineering Research Center of Digital Community, Ministry of Education, Beijing Artificial Intelligence Institute and Beijing Laboratory for Intelligent Environmental Protectio...) ,  Han Huayun (Faculty of Information Technology, Beijing Key Laboratory of Computational Intelligence and Intelligent System, Engineering Research Center of Digital Community, Ministry of Education, Beijing Artificial Intelligence Institute and Beijing Laboratory for Intelligent Environmental Protectio...) ,  Hou Ying (Faculty of Information Technology, Beijing Key Laboratory of Computational Intelligence and Intelligent System, Engineering Research Center of Digital Community, Ministry of Education, Beijing Artificial Intelligence Institute and Beijing Laboratory for Intelligent Environmental Protectio...) ,  Qiao Junfei (Faculty of Information Technology, Beijing Key Laboratory of Computational Intelligence and Intelligent System, Engineering Research Center of Digital Community, Ministry of Education, Beijing Artificial Intelligence Institute and Beijing Laboratory for Intelligent Environmental Protectio...)
資料名： IEEE Transactions on Evolutionary Computation  (IEEE Transactions on Evolutionary Computation)
巻： 26  号： 1  ページ： 145-158  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： パーティクルスウォーム最適化アルゴリズムは,容易な実装と高い検索効率で知識を転送できるので,マルチタスク最適化(MTO)問題を解決する有望なアプローチになった。しかし,知識移転の過程において,知識が個体群進化に有効かどうかを評価するのは難しいので,負の移動は一般的である。したがって,負の転送をいかにして,効果的知識を取得して,転送するかは,MTOにおける挑戦的な問題である。この問題に対処するために,自己調整マルチタスクパーティクルスウォーム最適化(SA-MTPSO)アルゴリズムを設計して,本論文における収束性能を改善した。第1に,各タスクのための決定空間知識と目標空間知識を結合した知識推定計量を,知識の有効性を記述するために設計した。次に,知識移転プロセスを促進するために有効な知識を得た。第2に,効果的知識と自己調整移動方式に基づく自己調整知識移転機構を,効果的知識移転を達成するために開発した。次に,無効な知識を除去して,負の転送問題を解決した。第3に,収束解析を与えて,理論的にSA-MTPSOアルゴリズムの有効性を保証した。最後に,提案アルゴリズムをいくつかの既存のMTOアルゴリズムと比較した。結果は,提案したアルゴリズムの性能が,負の転送抑制と収束に関するほとんどのアルゴリズムより優れていることを示した。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 ,  収束 ,  性能 ,  検索効率 ,  知識 ,  個体群 ,  有効性
準シソーラス用語： 知識移転 ,  *粒子群最適化 ,  *マルチタスク ,  収束解析 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 自己 ,  マルチタスク ,  粒子群最適化