文献

J-GLOBAL ID：202202268947098004   整理番号：22A0499685

大域最適化と特徴選択のための対立ベース学習とカオス局所探索戦略による自己適応Harris Hawks最適化アルゴリズム【JST・京大機械翻訳】

A self-adaptive Harris Hawks optimization algorithm with opposition-based learning and chaotic local search strategy for global optimization and feature selection

著者 (2件)： Hussien Abdelazim G. (Teaching Assistant in Mathematics Department (Computer Science), Faculty of Science, Fayoum University, Faiyum, Egypt) ,  Amin Mohamed (Faculty of Science, Menoufia University, Menoufia, Egypt)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 2  ページ： 309-336  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Harris Hawks最適化は,ハリスの協同的方法とチャッシング挙動によって触発された最近提案されたアルゴリズムである。しかしながら,実験結果から,HHOは,いくつかの複雑な最適化タスクにおいて,局所最適または遅い収束曲線に陥る可能性があることが注目される。本論文では,IHHOと呼ばれるHHOの改良型バージョンを提案し,HHOをオプポジションベース学習(OBL),カオス局所探索(CLS),自己適応技法と組み合わせることによりHHOの性能を強化した。提案アルゴリズムの性能を示すために,標準IEEE CEC 2017ベンチマークを用いていくつかの実験を行った。IHHOを古典的HHOおよび他の10の最先端アルゴリズムと比較した。さらに,IHHOを用いて,5つの制約された工学問題を解決した。また,IHHOを適用して,7UCIデータセットを用いて特徴選択問題を解決した。数値結果と解析は,実世界問題を解決する際にIHHOの優位性を示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 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 ,  *最適化手法 ,  IEEE ,  *特徴選択 ,  *カオス ,  ベンチマーク ,  *近傍探索法
準シソーラス用語： *自己適応 ,  *大域的最適化 , 【Automatic Indexing@JST】

著者キーワード (7件)： Harris Hawks最適化 ,  HHO ,  改良Harris Hawks最適化(IHHO) ,  カオス局所探索 ,  対立ベース ,  自己適応 ,  特徴選択

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 (8件)： 大域最適化 ,  特徴選択 ,  学習 ,  カオス ,  局所探索 ,  戦略 ,  自己適応 ,  最適化アルゴリズム