文献

J-GLOBAL ID：202202269261096545   整理番号：22A0481073

拡大問題のためのaRBF代理支援近傍界最適化器【JST・京大機械翻訳】

An aRBF surrogate-assisted neighborhood field optimizer for expensive problems

著者 (4件)： Yu Mingyuan (School of Automation, Chongqing University, Chongqing 40000, PR China) ,  Liang Jing (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, PR China) ,  Zhao Kai (Faculty of Science and Technology, University of Macau, Macau 999078, PR China) ,  Wu Zhou (School of Automation, Chongqing University, Chongqing 40000, PR China)
資料名： Swarm and Evolutionary Computation  (Swarm and Evolutionary Computation)
巻： 68  ページ： Null  発行年： 2022年 
JST資料番号： W3213A  ISSN： 2210-6502  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： サロゲート支援進化アルゴリズム(SAEA)は,最近,計算的に高価なエンジニアリング最適化問題を解く際にますます注目を集めている。既存の研究は,異なる動径基底関数(RBF)に基づく代理モデリング技術が,最適化装置の探索能力に大きく影響することを示した。しかし,解決すべき最適化問題に関する事前知識なしでは,設計者がどのモデリング技術を用いるべきかを決定するのは非常に難しい。この課題を破るために,本論文では,マルチRBF並列モデリング技術に基づくブランド-新しいモデル管理戦略を提案した。提案した戦略は,最適化プロセス中のRBFモデリング技法の事前指定セットから高忠実度代理を適応的に選択することを目指している。各進化的相互作用において,最も有望なRBF代理を用いて,近傍場最適化(NFO)が適応度評価を行い,提案アルゴリズムをRBF-NFOと名づけた。さらに,提案した方法の有効性を示すために,詳細な実験的解析を行い,そして,一般的に使用されている試験セットおよびアンテナ最適化問題に関して,RBF-NFOと2つの最先端のSAEAの間で,全体的比較を行った。実験結果は,提案したアルゴリズムがロバストで効率的であることを示した。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 ,  アンテナ ,  *最適化 ,  相互作用 ,  最適化問題 ,  ブランド ,  有効性 ,  *近傍場 ,  ロバスト性 ,  動径基底関数
準シソーラス用語： 進化的アルゴリズム ,  事前知識 ,  適応度 ,  設計最適化 ,  サロゲート , 【Automatic Indexing@JST】

著者キーワード (6件)： 拡大最適化問題 ,  代理モデリング ,  動径基底関数 ,  近傍界最適化 ,  代理支援進化アルゴリズム ,  モデル管理

分類 (4件)： 化学プロセスの解析  (XC01030R) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z) ,  システム最適化手法  (IA02050Z)

タイトルに関連する用語 (5件)： 拡大 ,  問題 ,  支援 ,  近傍界 ,  最適化