文献

J-GLOBAL ID：202202289303838061   整理番号：22A0570902

統合最適化アルゴリズム:複雑な最適化のためのメタヒューリスティックアプローチ【JST・京大機械翻訳】

Integrated optimization algorithm: A metaheuristic approach for complicated optimization

著者 (7件)： Li Chen (School of Electrical Engineering and Telecommunications, University of New South Wales, Sydney 2052, Australia) ,  Chen Guo (School of Electrical Engineering and Telecommunications, University of New South Wales, Sydney 2052, Australia) ,  Liang Gaoqi (School of Electrical and Electronic Engineering, Nanyang Technological University, 639798, Singapore) ,  Luo Fengji (School of Civil Engineering, The University of Sydney, Sydney 2006, Australia) ,  Zhao Junhua (School of Science and Engineering, Chinese University of Hong Kong, Shenzhen, Shenzhen 518172, China) ,  Zhao Junhua (Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen 518172, China) ,  Dong Zhao Yang (School of Electrical Engineering and Telecommunications, University of New South Wales, Sydney 2052, Australia)
資料名： Information Sciences  (Information Sciences)
巻： 586  ページ： 424-449  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： 本論文では,非凸型,非微分型,非連続型,あるいは計算集約型である複雑な最適化問題を解くための統合最適化アルゴリズム(IOA)を提案した。IOAは5つのサブアルゴリズムから合成される:フォロワー探索,リーダ探索,ワーダー探索,交差探索,および役割学習。追従者探索は,リーダの追跡によってより良い解決策を見つける。リーダ探索は,母集団の中心点から接近または逸脱することによって現在の最適解を洗練し,次に単一ラウンド座標降下を実行する。wanderer検索は,包括的な探索空間拡張を行う。交差探索は,優れた親から解を用いて子孫を生成する。役割学習は,探索エージェントがフォロワーまたはワーダーになるかどうかを決定するプロセスを自動化する。大域的最適推定フレームワーク(GOEF)を提案し,効率的な最適化アルゴリズムを設計するためのガイドラインを提供し,IOAが大域的最適を達成することを証明した。勾配降下を拡張する微分可能統合最適化アルゴリズム(DIOA)を提唱して,深層学習モデルを訓練した。経験的事例研究は,IOAがはるかに速い収束速度を示し,27のベンチマーク関数に基づく他の8つの比較アルゴリズムより良い解を見つけると結論づける。また,IOAを電力系統におけるユニットコミットメント問題を解決するために適用し,満足な結果を示した。畳込みニューラルネットワーク(CNN)に基づく電力線サブ画像分類モデルをDIOAによって最適化した。純粋勾配降下法と比較して,DIOAは,かなり速く収束し,そして,はるかに少ない訓練期間によって,高い試験集合精度を得た。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 ,  *最適化 ,  速度 ,  自動化 ,  学習 ,  最適化問題 ,  *最適化手法 ,  微分 ,  *発見的方法 ,  事例研究 ,  ベンチマーク ,  捜索 ,  エージェント
準シソーラス用語： 最適解 ,  収束速度 ,  *ヒューリスティック , 【Automatic Indexing@JST】

著者キーワード (6件)： 非凸最適化 ,  非微分可能最適化 ,  非連続最適化 ,  メタヒューリスティックアルゴリズム ,  ユニットコミットメント ,  深層学習

分類 (2件)： 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)

タイトルに関連する用語 (4件)： 統合 ,  最適化アルゴリズム ,  最適化 ,  ヒューリスティックアプローチ