文献

J-GLOBAL ID：201702253615234410   整理番号：17A0279056

大規模最適化のための交差発生エリート誘導された粒子群最適化【Powered by NICT】

Cross-generation Elites Guided Particle Swarm Optimization for large scale optimization

著者 (4件)： Han-Yu Xie (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, China) ,  Yang Qiang (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, China) ,  Xiao-Min Hu (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Chen Wei-Neng (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SSCI  ページ： 1-8  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： エリートは多くの進化アルゴリズムに広く使用されている。しかし,電流発生におけるエリートのみを用いて,既存のアルゴリズムにおける粒子/個体の学習/更新を誘導した。通常,異なる世代におけるエリートは異なっており,過去の世代におけるエリートは,経験を積んだ知識を含む可能性がある,有望な領域に粒子/個体をガイドするための有用である可能性がある。からヒントを得て,本論文では,交差発生エリート誘導パーティクルスワーム最適化器を提案した。特に,電流発生における群は二つの分離したセットトップ最良粒子を含むエリートセット,残りの粒子の非エリートセットに分割した。これら優良粒子は電流発生における最も有望なものであるので,これらのエリートは不変のままであり,直接次世代を侵入させた。静止非エリート粒子は電流発生と最新世代の両方におけるエリートから学習により更新した。これにより,探査と開発の間の潜在的なバランスを得ることができる。特に,提案したアルゴリズムは大規模最適化,非常に挑戦的で困難であり,近年多くの注目を受けているに対処するために適用した。大規模ベンチマーク関数の二セットを行った広範な実験と実験結果は,いくつかの最先端大規模進化的アルゴリズムと比較して提案アルゴリズムの競合的有効性と効率性を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習 ,  不変性 ,  *電流発生 ,  ベンチマーク ,  アルゴリズム
準シソーラス用語： 進化的アルゴリズム ,  *粒子群最適化 , 【Automatic Indexing@JST】

分類 (3件)： 工程管理  (KB03030P) ,  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 (4件)： 大規模最適化 ,  交差 ,  誘導 ,  粒子群最適化