文献

J-GLOBAL ID：201702286502008914   整理番号：17A0278884

大域最適化のための微分進化を用いた分散アルゴリズムのハイブリッド推定【Powered by NICT】

A hybrid estimation of distribution algorithm with differential evolution for global optimization

著者 (3件)： Bing Dong (Shanghai Key Laboratory of Multidimensional Information Processing, Department of Computer Science and Technology, East China Normal University, 3663 North Zhongshan Road, 200062, China) ,  Zhou Aimin (Shanghai Key Laboratory of Multidimensional Information Processing, Department of Computer Science and Technology, East China Normal University, 3663 North Zhongshan Road, 200062, China) ,  Guixu Zhang (Shanghai Key Laboratory of Multidimensional Information Processing, Department of Computer Science and Technology, East China Normal University, 3663 North Zhongshan Road, 200062, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SSCI  ページ： 1-7  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： 進化的アルゴリズムでは,探索と活用のバランスをとることは困難である。通常,大域的探索を用いて有望な解決策を見出すために,局所探索である集団における解の収束に有利である。異なる探索戦略を異なる方法の利点を取るために有望な方法である。DE/EDAのアイデアに続いて,本論文では,大域的最適化のための分布アルゴリズムと微分進化の推定を結合する別の方法を提案した。基本的な考え方は,新しい試み解を生成するための微分進化または分布アルゴリズムの推定のいずれかを選択することである。アルゴリズム性能を改善するために,局所探索戦略も用いた。EDA/DE EIGと名付けた新しいアプローチは二最新アルゴリズムと系統的に比較し,実験結果により,提案手法の利点を示した。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： *分散アルゴリズム ,  *アルゴリズム ,  近傍探索法
準シソーラス用語： 進化的アルゴリズム ,  *微分進化 ,  *大域的最適化 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 大域最適化 ,  微分進化 ,  分散アルゴリズム ,  推定