首页> 外文期刊>人工知能: 人工知能学会誌 >進化型多目的最適化における探索履歴を活用した局所解脱出と集中探索メカニズム
【24h】

進化型多目的最適化における探索履歴を活用した局所解脱出と集中探索メカニズム

机译:在进化多用途优化中使用搜索历史的本地重置和集中搜索机制

获取原文
获取原文并翻译 | 示例
       

摘要

本論文では,進化型多目的最適化(Evolutionary Multi- criterion Optimization: EMO)における探索履歴を活用した新たな局所探索アプローチ,SPLASH (eScaPing from Local optimA and convergence mechanisms based on Search History)の提案を行う.SPLASHは,局所解からの脱出と集中的探査という正反対の二つのメカニズムから成っており,通常のEMOアルゴリズムにこれら二つのメカニズムの相互作用を加えることで探索の高性能化を図るものである.SPLASHの大きな特徴は,探索状況に応じて動的に探索メカニズムを切り替え,より効率の良い探索の実現を試みている点である.具体的には,交叉や突然変異といった通常遺伝的操作に基づく探索が停滞していると判断した場合,局所解からの脱出のメ力ニズムが呼び出され,この脱出メカニズムを一定数繰り返してもその効果が認められない場合には集中探索メカニズムが呼び出されるようになっている.さらに,集中探索を一定回数繰り返してもその効果が認められない場合には,また通常の遺伝的操作に戻る仕組みとなっている. SPLASHの有効性を検証するため,WFG Test Suitesに対する数値実験を行い,その有効性を確認するとともに,各メカニズムの探索への貢献についても検証し,その効果について明らかにした.
机译:在本文中,进化的多目标优化:一种利用搜索历史的新的本地搜索方法(进化多标准优化EMO),我们提出了一种飞溅(基于搜索历史从本地Optima和收敛机制逃脱).splash是由两种机制与来自本地解决方案的逃逸和强化勘探相反,并通过将这两个机制相互作用添加到正常的EMO算法来改进搜索搜索。如果确定它是停滞的,则飞溅了一个主要特征调用从本地解决方案的逃生的结构,如果重复该转义机制对于固定数量,则如果未识别效果,则调用中央搜索机制。另外,即使重复浓度搜索也没有识别出浓度搜索一定数量的次数,它也是一种恢复正常遗传操作的机制。为了验证飞溅的有效性,WFG测试套件进行了数值实验,确认了其有效性,并验证了对每个机制的贡献,它的效果是澄清的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号