文献

J-GLOBAL ID：202202289956190712   整理番号：22A0692964

マルチモーダル関数のためのハイブリッド遺伝的アルゴリズムと精子スウォーム最適化(HGASSO)【JST・京大機械翻訳】

A Hybrid Genetic Algorithm and Sperm Swarm Optimization (HGASSO) for Multimodal Functions

著者 (3件)： A. Shehadeh Hisham (Faculty of Computer Science and Informatics, Amman Arab University, Jordan) ,  M. J. Mustafa Hossam (Faculty of Computer Science and Informatics, Amman Arab University , Jordan) ,  Tubishat Mohammad (School of Computing and Technology, Asia Pacific University of Technology and Innovation, Malaysia)
資料名： International Journal of Applied Metaheuristic Computing  (International Journal of Applied Metaheuristic Computing)
巻： 13  号： 1  ページ： 1-33  発行年： 2022年 
JST資料番号： W3899A  ISSN： 1947-8283  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： 本論文では,マルチモーダルベンチマーク関数の大域的最適化のために,2つの異なるメタヒューリスティック法,すなわち「遺伝的アルゴリズム(GA)」と「スパームスウォーム最適化(SSO)」を組み合わせたハイブリッドアルゴリズムを提案した。提案したハイブリッド遺伝的アルゴリズムと精子スウォーム最適化(HGASSO)はGAとSSOからの概念の組み込みに基づいて動作し,GAで提案されたように交差と突然変異操作だけでなく,SSOの局所探索の技術によっても,新しい反復で個体を生成する。このハイブリッド化の背後にある主なアイデアは,マルチモーダル問題の局所最適におけるトラッピングの確率を低減することである。著者らのアルゴリズムをGAとSSOメタヒューリスティック最適化アルゴリズムと比較した。文献から得た一連のマルチモーダルベンチマーク関数を用いた実験結果は,その定式化において余弦,正弦,および指数を含むマルチモーダルベンチマーク関数の解決において良好な結果が得られる,結果の質および収束速度に関して,他のアプローチに対する提案したHGASSOアプローチの優位性を確信した。Copyright 2022 IGI Global 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 ,  最適化手法 ,  *精子 ,  突然変異 ,  発見的方法 ,  *多モード ,  定式化 ,  *スウォーム ,  *遺伝的アルゴリズム ,  近傍探索法
準シソーラス用語： 大域的最適化 ,  収束速度 ,  ハイブリッドアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： 進化的方法 ,  遺伝的アルゴリズム(GA) ,  ハイブリッドアルゴリズム ,  マルチモーダルベンチマーク関数 ,  精子スウォーム最適化(SSO) ,  群知能アルゴリズム

分類 (3件)： 人工知能  (JE08000Z) ,  システム最適化手法  (IA02050Z) ,  工程管理  (KB03030P)

タイトルに関連する用語 (6件)： マルチモーダル ,  関数 ,  ハイブリッド遺伝的アルゴリズム ,  精子 ,  スウォーム ,  最適化