論文の概要、ライセンス

# (参考訳) 生活行動に触発されたアルゴリズムの2020年分類法 [全文訳有]

A 2020 taxonomy of algorithms inspired on living beings behavior ( http://arxiv.org/abs/2106.04775v1 )

ライセンス: CC BY 4.0
Luis Torres-Trevi\~no(参考訳) コンピュータ博物学者の役割を担い、生物にインスパイアされたアルゴリズムを通して、生物の行動にインスパイアされたアルゴリズムを利用する。 アルゴリズムのコンピレーションは、バイオインスパイアされたヒューリスティックスとスウォームインテリジェンスのいくつかのレビューや調査を、2020年まで考慮している。 分類学の発展のために、生物、細菌、植物、真菌、および原虫のいくつかの枝を生成する生物学者が使用する王国を考慮して分類される。

Taking the role of a computer naturalist, a journey is taken through bio inspired algorithms taking account on algorithms which are inspired on living being behaviors. A compilation of algorithms is made considering several reviews or surveys of bio-inspired heuristics and swarm intelligence until 2020 year. A classification is made considering kingdoms as used by biologists generating several branches for animalia, bacteria, plants, fungi and protista to develop a taxonomy.
公開日: Wed, 9 Jun 2021 02:37:46 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
1 2 0 2 n u J 1 2 0 2 n u J 0.85
9 ] E N . s c [ 9 ]EN。 sc [ 0.59
1 v 5 7 7 4 0 1 v 5 7 7 4 0 0.85
. 6 0 1 2 : v i X r a . 6 0 1 2 : v i X r a 0.85
A 2020 TAXONOMY OF ALGORITHMS INSPIRED ON LIVING 生活にともなうアルゴリタムの2020年タキソノミー 0.54
BEINGS BEHAVIOR A PREPRINT ビーイングス挙動 プレプリント 0.38
Luis M. Torres-Treviño∗ Posgrado en Ingeniería Eléctrica Luis M. Torres-Treviño∗ Posgrado en Ingeniería Eléctrica 0.78
Universidad Autónoma de Nuevo león ヌエボ大学(Universidad Autónoma de Nuevo león) 0.58
Ciudad Universitaria S/N, San Nicolás de los Garza, Nuevo León, México Ciudad Universitaria S/N, San Nicolás de los Garza, Nuevo León, México 0.96
luis.torrestrv@uanl. edu.mx luis.torrestrv@uanl. edu.mx 0.47
June 10, 2021 2021年6月10日 0.71
ABSTRACT Taking the role of a computer naturalist, a journey is taken through bio inspired algorithms taking account on algorithms which are inspired on living being behaviors. ABSTRACT コンピュータ博物学者の役割を担い、生物にインスパイアされたアルゴリズムを通して、生物の行動にインスパイアされたアルゴリズムを利用する。 0.78
A compilation of algorithms is made considering several reviews or surveys of bio-inspired heuristics and swarm intelligence until 2020 year. アルゴリズムのコンピレーションは、バイオインスパイアされたヒューリスティックスとスウォームインテリジェンスのいくつかのレビューや調査を、2020年まで考慮している。 0.53
A classification is made considering kingdoms as used by biologists generating several branches for animalia, bacteria, plants, fungi and Protista to develop a taxonomy. 分類学の発展のために、生物、細菌、植物、菌類、プロティスタのいくつかの枝を生成する生物学者が使用する王国を考慮して分類される。
訳抜け防止モード: 生物学者による王国の分類 動物、バクテリア、植物、菌類、およびプロティスタのいくつかの枝を生成して分類学を開発する。
0.74
Keywords Behavior of living beings · Bio inspired algorithms · Swarm intelligence 生物のキーワード行動 ·バイオインスパイアされたアルゴリズム · swarm intelligence 0.81
1 Introduction Since the emerge of ideas about simulation of life in last decades, several algorithms have been proposed to solve complex problems inspired on nature phenomena; i.e. 1 はじめに 過去数十年の生命のシミュレーションに関するアイデアの出現以来、自然現象に触発された複雑な問題を解決するためにいくつかのアルゴリズムが提案されてきた。 0.70
evolutionary computation or artificial life. 進化的計算または人工生命。 0.73
A role of a naturalist or biologist is taken with the purpose for studying all living forms in a new ecosystem and trying to make a classification of all discoveries to form a taxonomy of living beings. 博物学者や生物学者の役割は、新しい生態系における全ての生活形態を研究し、全ての発見を分類し、生物の分類を形成することを目的としている。 0.81
This role is taken as a computer naturalist to make a compilation of algorithms inspired on behavior of living beings. この役割は、生物の行動に触発されたアルゴリズムのコンパイルをコンピュータ自然主義者として行う。 0.79
There are several bio-inspired algorithms; however, this work focus on actions of living beings like the growth of plants, reproduction of mushrooms, living of bacteria, the individuals behavior of animals, etc. バイオインスパイアされたアルゴリズムはいくつか存在するが、この研究は植物の成長、キノコの繁殖、細菌の生存、動物の個体行動などの生物の行動に焦点を当てている。 0.77
; however, highlights the interactions between individuals of a group of different animals like school of fishes, flock of birds, herd of mammals, or swarm of insects. しかし、魚の群れ、鳥の群れ、哺乳類の群れ、昆虫の群れなどの異なる動物の個体間の相互作用が強調されている。 0.72
Focusing on algorithms inspired in actions of living beings that belongs to any kingdom of the nature; nevertheless, it is important to locate all algorithms as possible. 自然の王国に属する生物の行動にインスパイアされたアルゴリズムに焦点を合わせることは、しかしながら、全てのアルゴリズムをできるだけ見つけ出すことが重要である。 0.78
Only basic algorithms are considered, but derivations, variants and hybrids are omitted; at least, algorithms which involves an inspiration of any living being. 基本的なアルゴリズムのみが考慮されているが、派生、変種、ハイブリッドは省略されている。
訳抜け防止モード: 基本的なアルゴリズムのみ考慮される。 しかし派生、変種、ハイブリッドは省略され 少なくとも、生きている人のインスピレーションを含むアルゴリズム。
0.70
Location of bio-inspired algorithms related with a specific species is made by a review of several papers of surveys which involve nature bio-inspired, swarm intelligence, and metaheuristics algorithms; however, several of these surveys consider different points of view. 特定の種に関連するバイオインスパイアされたアルゴリズムの場所は、自然界の生物インスパイアされた、群知性、メタヒューリスティックスアルゴリズムを含むいくつかの調査論文のレビューによって決定される。 0.72
It was consider only survey papers from ten years old ago because it is expected a more complete reviews since then. それ以来、より完全なレビューが期待されているため、10年前の調査論文のみと見なされた。 0.76
Surveys span in many cases all kind of algorithms; however many of them have been proposed recently; it maybe because the year 2020 is iconic. 調査は多くの場合、あらゆる種類のアルゴリズムに及んでいるが、最近提案されているものも多い。
訳抜け防止モード: 調査は多くの場合、あらゆる種類のアルゴリズムにまたがる しかし、その多くが最近提案されている。2020年が象徴的だからかもしれない。
0.71
The most numerous surveys are related with nature inspired algorithms Agarwal and Mehta [2014], Siddique and Adeli [2015], Sindhuja et al [2018], Krishnaveni [2019], Cuevas et al [2020], Yang [2020], Sureka et al [2020], Odili et al [2018], or bio-inspired algorithms Binitha and Sathya [2012], Pazhaniraja et al [2017], Amry and Al-Gaphari [2018], Del Ser et al [2019]; specific swarm intelligence algorithms Parpinelli and Lopes [2011] and metaheuristics or population based algorithms Ruiz-Vanoye et al [2012], Xing and Gao [2019], Almufti [2019], Ma et al [2019] Also, a review of applications of swarm intelligence has been made to establish more algorithms. The most numerous surveys are related with nature inspired algorithms Agarwal and Mehta [2014], Siddique and Adeli [2015], Sindhuja et al [2018], Krishnaveni [2019], Cuevas et al [2020], Yang [2020], Sureka et al [2020], Odili et al [2018], or bio-inspired algorithms Binitha and Sathya [2012], Pazhaniraja et al [2017], Amry and Al-Gaphari [2018], Del Ser et al [2019]; specific swarm intelligence algorithms Parpinelli and Lopes [2011] and metaheuristics or population based algorithms Ruiz-Vanoye et al [2012], Xing and Gao [2019], Almufti [2019], Ma et al [2019] Also, a review of applications of swarm intelligence has been made to establish more algorithms. 0.81
Application of nature inspired algorithms can be found in several areas, not only optimization; however 自然にインスパイアされたアルゴリズムの応用は最適化だけでなくいくつかの領域で見ることができる。 0.63
∗https://www.uanl.mx/ investigadores/luis- martin-torres-trevin o/. *https://www.uanl.mx /investigadores/luis -martin-torres-trevi no/ 0.25
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT from all natural inspired algorithms, swarm intelligent are the most highlighted. プレプリント 自然にインスパイアされたアルゴリズムから スウォーム・インテリジェンスが最も注目されています 0.53
Dynamic optimizationMavrovou niotis et al [2017], Stock price prediction Thakkar and Chaudhari [2020], feature selection in big data Nguyen et al [2020], Internet of things Sun et al [2020], Deep learning Darwish et al [2020], Automatic clustering Ezugwu [2020], VSLI routing problems Chen et al [2020], and image enhancement Dhal et al [2019]. dynamic optimizationmavrovou niotis et al [2017], stock price prediction thakkar and chaudhari [2020], feature selection in big data nguyen et al [2020], internet of things sun et al [2020], deep learning darwish et al [2020], automatic clustering ezugwu [2020], vsli routing problems chen et al [2020], image enhancement dhal et al [2019] 。 0.70
Comparisons between different algorithms have been made in different works and focus on tests using state-of-the-art benchmarks composed by test multidimensional functions and real problems Bujok et al [2019], Ma et al [2017], Piotrowski et al [2017], Pham and Castellani [2014]. 異なるアルゴリズムの比較は異なる作業で行われており、多次元関数のテストと実際の問題であるbujok et al [2019], ma et al [2017], piotrowski et al [2017], pham and castellani [2014]からなる最先端ベンチマークを使ってテストに焦点を当てている。 0.85
A review of different works about taxonomies was made considering papers which title has the word of taxonomy. 分類学の語源を持つ論文を考慮し、分類学に関する異なる著作のレビューを行った。 0.62
Previous surveys includes taxonomies; however, mostly of them are a brief structures about algorithms, applications or inspirations. 以前の調査には分類学が含まれていたが、そのほとんどはアルゴリズム、応用、インスピレーションに関する簡単な構造である。
訳抜け防止モード: 以前の調査には分類が含まれる しかし、そのほとんどはアルゴリズムやアプリケーション、インスピレーションに関する簡単な構造です。
0.64
A complete set of taxonomies which shows different criteria of classification is made in Tzanetos and Dounias [2019] where it is presented natural inspired intelligent algorithms which focus on real world problems and applications like traveling salesman problems, operation research problems, energy problems, and other multiple applications. 分類の基準が異なる完全な分類群がtzanetos and dounias [2019] で作成され、旅行セールスマン問題、オペレーションリサーチ問題、エネルギー問題など、現実世界の問題やアプリケーションに焦点を当てた自然にインスパイアされた知的アルゴリズムが提示されている。 0.67
Taxonomy about memory usage, and a chronology in swarm intelligent metaheuristic algorithms was presented by Shaymah Akram Yasear and Ku Ruhana Ku-Mahamud Yasear [2019]. Shaymah Akram Yasear と Ku Ruhana Ku-Mahamud Yasear [2019] によって, メモリ使用に関する分類学と, 群知能メタヒューリスティックアルゴリズムの年代学が提示された。 0.70
A complete set of taxonomies of natural and bio-inspired algorithms was presented by Molina et al Molina et al [2020] proposing several classifications like breeding behavior, flying, aquatics, terrestrial, and microorganisms animals. 自然および生物にインスパイアされたアルゴリズムの完全な分類は molina et al molina et al [2020] によって提示され、繁殖行動、飛行行動、水生動物、陸生動物、微生物動物などの分類が提案されている。 0.62
Also includes physics and chemistry based algorithms, social human behavior algorithms, plant based and a miscellaneous source of inspiration algorithms. 物理学と化学に基づくアルゴリズム、社会人間の行動アルゴリズム、植物に基づくアルゴリズム、インスピレーションアルゴリズムの雑多な源を含む。 0.78
Saman et al Almufti et al [2019] present a taxonomy of bio-inspired algorithms focus on optimization where three clases are presented: (i) evolutionary algorithms, (ii) swarm intelligent algorithms, (iii) ecological inspired algorithms. saman et al almufti et al [2019] 生物にインスパイアされたアルゴリズムの分類は、3つのクラスが提示される最適化に焦点を当てている: (i) 進化アルゴリズム、 (ii) 群知能アルゴリズム、 (iii) 生態的インスパイアされたアルゴリズム。 0.74
This proposal is made to better understanding of algorithms inspired on behavior of living beings; by this way, a taxonomy is proposed based on kingdoms and some statistics are made to establish a global tendency of this promising area. この提案は、生物の行動にインスパイアされたアルゴリズムの理解を深めることを目的としており、そのために王国に基づいた分類法が提案され、この将来性のある領域のグローバルな傾向を確立するための統計がいくつかある。 0.64
A complete taxonomy by behaviors is included where new solutions are generated by differential vector movement and solution creation and finally a taxonomy is made considering more influential algorithms highlighting genetic algorithms, particle swarm optimization, differential evolution, ant colony optimization and artificial bee colony. 行動による完全な分類法は、微分ベクトル運動と解の生成によって新しい解が生成され、最終的には遺伝的アルゴリズム、粒子群最適化、微分進化、アリコロニー最適化、人工蜂コロニーに重点を置くより影響力のあるアルゴリズムを考慮して分類法が作成される。
訳抜け防止モード: 行動による完全な分類は、微分ベクトル運動と解の生成によって新しい解が生成される場合に含まれる。 そして最後に 遺伝的アルゴリズムを強調する より影響力のあるアルゴリズムを考慮に入れます 粒子群最適化 差分進化 アリコロニー最適化 人工蜂コロニー
0.78
2 Taxonomy explanation Specialist are established six kingdoms; however, a traditional Linnaean system of classification of living forms consider five kingdoms: (i) Monera (Bacterias, spirochetes and archaebacterias), (ii) Protista (Algae, protozoans), (iii) Fungi (mushrooms), (iv) Plantae (plants), (v) Animalia (birds, mammals, fishes, insects, etc.). 2分類学の解説 専門は6つの王国があるが、伝統的なリンネの生物分類体系では、(i)モネラ(Bacterias, Spirochetes, Archaebacterias)、(ii)プロティスタ(Algae, protozoans)、(iii)ファンギ(Fungi)、(iv)植物(plantae)、(v)動物(birds, mammals, fishs, insects)の5つの王国がある。 0.68
Behavior of animals has been considered in spite of a specific specie is not defined. 特定のスペックが定義されていないにもかかわらず、動物の行動は考慮されている。 0.59
Virus is not considered a living form; however, a class was established for them. ウイルスは生活形態とはみなされていないが、クラスが設けられた。 0.74
2.1 Animalia Animalia is the biggest kingdom, made up mammals, fishes, birds, insects, and other animals (other animals are grouped because there are a reduced number of algorithms which represent them). 2.1動物 動物相は、哺乳類、魚、鳥、昆虫、その他の動物からなる最大の王国である(他の動物は、それらを表すアルゴリズムが減っているため、グループ化されている)。 0.68
Other algorithms inspired in behavior of animals are included, but these algorithms do no belong to any kingdom. 動物の行動にインスパイアされた他のアルゴリズムも含むが、これらのアルゴリズムはいかなる王国にも属さない。 0.71
That is the case of virus and algorithms inspired in a general behavior. 一般的な行動にインスパイアされたウイルスやアルゴリズムの場合です。 0.75
2.1.1 Birds First class of animalia belongs to birds which focus on three forms of behaviors (a) Flocking or migrating, (b) Foraging or Hunting (c) Mating or breeding. 2.1.1鳥類 動物学の一級は、(a)群れまたは移動、(b)捕食または狩猟(c)交配または繁殖の3種類の行動に焦点を当てた鳥類に属する。 0.61
Flocking behavior is a general behavior found in birds ( Bellaachia and Bari [2012]) and is found in several of them like emperador penguins increase heat radiation ( Harifi et al [2019]), migration birds ( Duman et al [2012]) or with a V configuration used in gooses ( Wang and Wang [2008]), swallows ( Neshat et al [2012]) and in pigeons for homing behavior ( Wang et al [2019], ( Duan and Qiao [2014]). 群れ行動は鳥類(bellaachia と bari [2012])で見られる一般的な行動であり、エスペラドールペンギンは熱放射を増加させる(harifi et al [2019])、渡り鳥(duman et al [2012])、またはガチョウ(wang and wang [2008])、ツバメ(neshat et al [2012])、ハトでホーミング行動を行う(wang et al [2019]、duan and qiao [2014])。
訳抜け防止モード: 群集行動は鳥類(bellaachiaとbari [2012])に見られる一般的な行動である。 エンペラドールペンギンは熱放射を増加させる(harifi et al [ 2019 ])。 migration birds (duman et al [2012 ] ) または gooses (wang and wang [2008 ]) で使用される v 構成。 ツバメ(neshat et al [2012 ])とハトにおけるホーミング行動(wang et al [2019 ], in swallows for homing behavior) (duan, qiao [2014])。
0.71
A more general form of flocking is made by PSO ( Kennedy and Eberhart [1995]), and Bird Swarm ( Meng et al [2016]). より一般的なフロッキング形式は PSO (ケネディとエバーハート [1995]) と Bird Swarm (メングら (2016)) である。
訳抜け防止モード: より一般的なフロッキング形式は PSO ( Kennedy and Eberhart [1995 ] ) によってなされる。 とBird Swarm (Meng et al [ 2016 ])。
0.72
Algorithms inspired in Foraging or searching for food are more numerous. 食物の採餌や探索に着想を得たアルゴリズムはもっと多い。 0.69
Foraging of Hoopoe ( El-Dosuky et al [2012]), sparrow searching for worms, seeds and avoiding predators ( Xue and Shen [2020]), chickens during food searching ( Meng et al [2014]), crows ( Askarzadeh [2016]) and ravens searching food and sharing information about its location ( Brabazon et al [2016]) and egyptian vulture ( Sur et al [2013]) for searching food which is a similar behavior shown by american condor with its movement patterns ( Almonacid and Soto [2019]). Hoopoe (El-Dosuky et al [2012]), sparrow search for worms, seed and avoiding predators (Xue and Shen [2020]), chickens during food search ( Meng et al [2014]), crows (Askarzadeh [2016]), ravens search food and sharing information (Brabazon et al (2016]), and egyptian vulture ( Sur et al [2013]) for search food for the American condor with its movement pattern (Almonacid and Soto (2019))。
訳抜け防止モード: Hoopoe (El - Dosuky et al [2012 ])の採食 ワーム、種を探し、捕食者を避けるスズメ(Xue and Shen [2020 ]) 食物探索中の鶏(Meng et al [2014 ]) crows (Askarzadeh [2016 ] ]) and ravens search food 位置情報の共有も行っています(Brabazon et al [2016 ])。 また,アメリカのコンドルが,その運動パターン(アルモナシド,ソト,2019)と類似した行動を示す食品を探索するためのエジプトのハゲワシ(Sur et al [2013 ] )についても検討した。
0.84
Several algorithms are inspired in hunting which usually is found in predator birds where eagles and Hawks are the favorites to be represented. いくつかのアルゴリズムは狩猟にインスパイアされており、通常、ワシやタカが好まれる捕食鳥に見られる。 0.68
A flock of hawks cooperatively pounce a pray from different directions ( Heidari et al 鷹の群れが協力して異なる方向から祈る(平田里ら) 0.59
2 2 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Table 1: Algorithms based on birds behavior. プレプリント 表1:鳥の行動に基づくアルゴリズム。 0.63
Swarm Algorithms Andean Condor Algorithm Bald Eagle Search Bird Mating Optimizer Bird Swarm Chicken swarm optimization Crow Search Algorithm Cuckoo Optimization Algorithm Cuckoo Search Dove Swarm Optimization Eagle Perching Optimizer Eagle Strategies Egyptian Vulture Optimization Emperor Penguins Colony Falcon Optimization Algorithm Flock by Leader Goose Team Optimization Harris’ Hawk Optimization Heterogeneous Pigeon-inspired Optimization Hoopoe Heuristic Optimization Laying Chicken Algorithm Migrating Birds Optimization Owl Search Algorithm Particle Swarm Optimization Penguins Search Optimization Algorithm Pigeon Inspired Optimization Raven Roosting Optimization Algorithm Satin Bowerbird Optimizer SeaGull Optimization Algorithm See-See Partridge Chicks Optimization Sooty Tern Optimization Algorithm Sparrow Search Algorithm Swallow Swarm Optimization Algorithm Swarm Algorithms Andean Condor Algorithm Bald Eagle Search Bird Mating Optimizer Bird Swarm Chicken swarm optimization Crow Search Algorithm Cuckoo Optimization Algorithm Cuckoo Search Dove Swarm Optimization Eagle Perching Optimizer Eagle Strategies Egyptian Vulture Optimization Emperor Penguins Colony Falcon Optimization Algorithm Flock by Leader Goose Team Optimization Harris’ Hawk Optimization Heterogeneous Pigeon-inspired Optimization Hoopoe Heuristic Optimization Laying Chicken Algorithm Migrating Birds Optimization Owl Search Algorithm Particle Swarm Optimization Penguins Search Optimization Algorithm Pigeon Inspired Optimization Raven Roosting Optimization Algorithm Satin Bowerbird Optimizer SeaGull Optimization Algorithm See-See Partridge Chicks Optimization Sooty Tern Optimization Algorithm Sparrow Search Algorithm Swallow Swarm Optimization Algorithm 0.88
Acronym ACA BES BMO BrS CkS CSA COA CS DSO EPO EgS EVO EPC FlOA FbL GTO HrHO HPIO HHO LCA MBO OSA PSO PnSO PIO RRO SBO SgOA SPCO STOA SpSA SSOA ACA BES BMO BrS CkS CSA COA CS DSO EPO EgS EVO EPC FlOA FbOA GTO HrHO HPIO HHO LCA MBO OSA PSO PnSO PIO RRO SBO SGOA SPCO STOA SpSA SSOA 0.79
Authors Almonacid and Soto [2019] Alsattar et al [2020] Askarzadeh [2014] Meng et al [2016] Meng et al [2014] Askarzadeh [2016] Rajabioun [2011] Yang and Deb [2009] Su et al [2009] Khan et al [2018] Yang and Deb [2010] Sur et al [2013] Harifi et al [2019] de Vasconcelos Segundo et al [2019] Bellaachia and Bari [2012] Wang and Wang [2008] . 著者: Almonacid and Soto [2019] Alsattar et al [2020] Askarzadeh [2014] Meng et al [2016] Meng et al [2014] Askarzadeh [2016] Rajabioun [2011] Yang and Deb [2009] Su et al [2009] Khan et al [2018] Yang and Deb [2010] Sur et al [2013] Harifi et al [2019] de Vasconcelos Segundo et al [2019] Bellaachia and Bari [2012] Wang and Wang [2008] 著述 0.85
Heidari et al [2019] Wang et al [2019] El-Dosuky et al [2012] Mellal and Williams [2016] Duman et al [2012] Jain et al [2018] Kennedy and Eberhart [1995] Gheraibia and Moussaoui [2013] Duan and Qiao [2014] Brabazon et al [2016] Samareh Moosavi and Khatibi Bardsiri [2017] Dhiman and Kumar [2019] Omidvar et al [2015] Dhiman and Kaur [2019] Xue and Shen [2020] Neshat et al [2012] Heidari et al [2019] Wang et al [2019] El-Dosuky et al [2012] Mellal and Williams [2016] Duman et al [2012] Jain et al [2018] Kennedy and Eberhart [1995] Gheraibia and Moussaoui [2013] Duan and Qiao [2014] Brabazon et al [2016] Samareh Moosavi and Khatibi Bardsiri [2017] Dhiman and Kumar [2019] Omidvar et al [2015] Dhiman and Kaur [2019] Xue and Shen [2020] Neshat et al [2012] 0.87
[2019], de Vasconcelos Segundo et al [2019]) Strategies of hunting made by eagles ( Alsattar et al [2020], ( Yang and Deb [2010]) exception is made by eagles perching in higher places (mountains, cliffs, etc.) [2019], de Vasconcelos Segundo et al [2019]) ワシによる狩猟の戦略(Alsattar et al [2020], ( Yang and Deb [2010]) 例外は、ワシが高地(山、崖など)に潜むことによって作られる。 0.71
for better view for hunting ( Khan et al [2018]) and collaborative hunting of penguins ( Gheraibia and Moussaoui [2013]). Khan et al [2018])と、ペンギン(Gheraibia and Moussaoui [2013])のコラボレーティブな狩猟のためのより良い視点のために。 0.76
Mating and breeding is found in cuckoo bird which is considered a parasite where it found more promises nest to lay eggs ( Yang and Deb [2009]) or mature cuckoos and eggs which try to survives in the population ( Rajabioun [2011]). 交配と繁殖は寄生虫とみなされ、卵を産むための巣(yang and deb [2009])や、集団で生き残ろうとする成熟したカッカスや卵(rajabioun [2011])が見つかる。
訳抜け防止モード: 繁殖と繁殖は、卵を産む約束の巣がより多く見つかる寄生虫と見なされるカッコウの鳥に見られる (Yang and Deb [2009 ]) あるいは、人口で生き残ろうとする成熟したタケと卵(Rajabioun [2011 ])。
0.73
Other algorithm use bird mating strategies to increase opportunity of breeding ( Askarzadeh [2014]); per example, laying chicken hatching eggs ( Mellal and Williams [2016]) or during breeding, See-See partridge chicks follow their mother to reach a safe place ( Omidvar et al [2015]) and attraction of females by the satin birds males ( Samareh Moosavi and Khatibi Bardsiri [2017]). 他のアルゴリズムでは、繁殖の機会を増やすために鳥の交尾戦略(askarzadeh [2014])を用いる。例えば、ニワトリのハチ卵(mellal and williams [2016])を産むか、繁殖の際、親に付いて安全な場所(omidvar et al [2015])に到達し、サティン鳥のオス(samareh moosavi and khatibi bardsiri [2017])によってメスを惹きつける。 0.75
All algorithms based on birds behavior are shown in Table 1 鳥の行動に基づく全アルゴリズムを表1に示す。 0.84
2.1.2 Fishes Second class of animalia kingdom belongs to fishes. 2.1.2魚 第二級の動物王国は魚類に属する。 0.63
Almost all behaviors are for hunting and foraging. ほとんど全ての行動は狩猟と狩猟である。 0.73
Catfish effect is used when a school of sardines in a water tank are motivated to move when a catfish (a natural predator) is included in the tank ( Chuang et al [2011]). ナマズ(ナチュラル捕食者)をタンクに入れた時に、水槽内のシダの群れが移動する動機付けをするときに、カマズ効果が用いられる(Chuang et al [2011])。
訳抜け防止モード: キャットフィッシュ効果は、水槽内のイワシの群れが移動を動機づけるときに使用される。 タンクにはナマズ(自然捕食者)が含まれている(chuang et al [2011 ])。
0.67
Shark uses an improved version of a fish search algorithm ( Li and Qian [2003]) to increase exploration procedure for hunting ( Hersovici et al [1998]). sharkは魚探索アルゴリズム(li and qian [2003])の改良版を使用して狩猟の探索手順を増加させた(hersovici et al [1998])。 0.84
Other ability of sharks for hunting is to use smell sense ( Abedinia et al [2016]). 狩猟のためのサメの他の能力は嗅覚(abedinia et al [2016])を使用することである。 0.70
Yellow Saddle Goatfishes forms schools for hunting taking two roles, chase to pursuit preys and blockers to avoid escapes ( Zaldívar et al [2018]). イエローサドルヤギは2つの役割を担う狩猟のための学校を形成し、獲物を追いかけるために追いかけ、逃亡を避けるために障害物を追いかける(zaldívar et al [2018])。 0.66
A similar behavior is taken by sailfish for hunting sardines ( Shadravan et al [2019]). 同様の行動はセイルフィッシュがイワシを狩るために行う(shadravan et al [2019])。 0.67
Mouth brooders fishes take care of their offsprings by using their mouth as a form of protection again environmental conditions and predators ( Jahani and Chizari [2018]). 口臭魚は、口を再び環境条件や捕食者を保護する形態として利用し、子孫の世話をする(jahani and chizari [2018])。 0.67
The Great Salmon Run is a migration for mating where salmon return from the sea to the mountains グレートサーモンラン(great salmon run)は、サケが海から山に戻ってくる交尾のための移動である 0.65
3 3 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Table 2: Algorithms based on fishes behavior. プレプリント 表2:魚の行動に基づくアルゴリズム。 0.63
Swarm Algorithms Catfish Optimization Algorithm Circular Structure of Puffer Fish Fish School Search Fish Swarm Algorithm Great Salmon Run Mouth Breeding Fish Algorithm Shark Smell Optimization Shark-Search Algorithm The Sailfish Optimize Yellow Saddle Goat Fish Swarm Algorithms Catfish Optimization Algorithm of Puffer Fish School Search Fish Swarm Algorithm Great Salmon Run Mouth Breeding Fish Algorithm Shark Smell Optimization Shark- Search Algorithm The Sailfishtimize Yellow Saddle Goat Fish 0.79
Acronym CtOA CSPF FSS FSA GSR MBFA ShSO SSA SFO YSGF 頭字語CtOA CSPF FSS FSA GSR MBFA ShSO SSA SFO YSGF 0.87
Authors Chuang et al [2011] Catalbas and Gulten [2018] Bastos Filho et al [2008] Li and Qian [2003] Mozaffari et al [2012] Jahani and Chizari [2018] Abedinia et al [2016] Hersovici et al [1998] Shadravan et al [2019] Zaldívar et al [2018] 著者: Chuang et al [2011] Catalbas and Gulten [2018] Bastos Filho et al [2008] Li and Qian [2003] Mozaffari et al [2012] Jahani and Chizari [2018] Abedinia et al [2016] Hersovici et al [1998] Shadravan et al [2019] Zaldívar et al [2018] 0.85
where they born overcoming all kind of menaces ( Mozaffari et al [2012]). 彼らはあらゆる種類の脅威に打ち勝つために生まれた(Mozaffari et al [2012])。 0.73
All algorithms based on fishes behavior are shown in Table 2 魚の行動に基づく全アルゴリズムを表2に示す。 0.89
2.1.3 Insects Third class belongs to insects where several algorithms imitate behavior of social insects; however, there are a redundancy because all insects presents the same behaviors as other animals: (i) Foraging, (ii) hunting, (iii) mating but rarely breading, and (iv) other specific behaviors. 2.1.3昆虫 第3の階級は、いくつかのアルゴリズムが社会性昆虫の行動を模倣する昆虫に属するが、(i)捕食、(ii)狩猟、(iii)交尾はめったに行われないが、(iv)他の特定の行動と同一の行動を示すため、冗長性がある。 0.62
Ants, bees and wasp presents complex social behaviors which they are very attractive to develop algorithms for emulation. アリ、ミツバチ、ワスプは複雑な社会的行動を示し、エミュレーションのアルゴリズムを開発するのに非常に魅力的である。 0.52
Behavior of ants was first imitated to simulate the use of pheromones to establish potential sources of food or to begin a foraging process ( Dorigo et al [1996], Dorigo [1992]), with a random walk procedure to improve exploration ( Yang et al [2006], ( Almufti and Shaban [2018]). アリの行動は最初、食物の潜在的な源を確立するためにフェロモンの使用をシミュレートするために模倣され(dorigo et al [1996], dorigo [1992])、探査を改善するためのランダムな歩行手順(yang et al [2006], (almufti and shaban [2018])。 0.71
Other algorithms inspired in ants focus on behavior based on hunting mechanisms ( Mirjalili [2015a]). アリにインスパイアされた他のアルゴリズムは狩猟機構に基づく行動に焦点を当てている(Mirjalili [2015a])。 0.64
Termites have exhibit the same collective behavior ( Hedayatzadeh et al [2010]) and cooperative behavior of hill building ( Zungeru et al [2012]). ターミットは、同じ集団行動(Hedayatzadeh et al [2010])と丘ビルの協調行動(Zungeru et al [2012])を示している。
訳抜け防止モード: ターミットは同じ集団行動を示した (Hedayatzadeh et al [2010 ]) 丘の建物群(Zungru et al [2012 ])の協調行動について検討した。
0.73
Bees are social insect with complex mechanism of communications and have a sort of several behaviors for foraging, mating, avoiding predators, etc. ミツバチは複雑なコミュニケーション機構を持つ社会昆虫であり、捕食、交尾、捕食者を避けるなど、様々な行動をとる。 0.66
This behavior is another very attractive task to be inspired to develop swarm algorithms. この動作は、swarmアルゴリズムの開発にインスパイアされた、非常に魅力的なタスクです。 0.59
Colony bees foraging made artificial is the most popular ( Pham et al [2005], Häckel and Dippold [2009], Bitam et al [2017], Teodoroviíc [2009], Quijano and Passino [2010], Nakrani and Tovey [2004],Sato and Hagiwara [1997], Maia et al [2013]) or mating process in bees where queen flights high from the nest followed by the males (Abbass [2001]) or evolution of bees (Sung Hoon Jung [2003], Yang [2005]) Behavior of individual insects with social interaction considers several tasks like navigation, foraging or escape from predators. Colony bees foraging made artificial is the most popular ( Pham et al [2005], Häckel and Dippold [2009], Bitam et al [2017], Teodoroviíc [2009], Quijano and Passino [2010], Nakrani and Tovey [2004],Sato and Hagiwara [1997], Maia et al [2013]) or mating process in bees where queen flights high from the nest followed by the males (Abbass [2001]) or evolution of bees (Sung Hoon Jung [2003], Yang [2005]) Behavior of individual insects with social interaction considers several tasks like navigation, foraging or escape from predators. 0.79
This behavior have been inspired from dragonflies ( Mirjalili [2016]), approaching or hovering over food sources of fruitful flies ( Pan [2012], al-Rifaie [2014]), worms foraging ( Arnaout [2014]), foraging and mating of butterflies ( Kumar et al [2015], Arora and Singh [2018a], Qi et al [2017]) or only focus on males butterflies to mate-location behavior ( Arora and Singh [2018b]). この行動はトンボ(mirjalili [2016])に触発され、実りのあるハエ(pan [2012], al-rifaie [2014])、虫の飼料(arnaout [2014])、蝶の飼料と交配(kumar et al [2015], arora and singh [2018a], qi et al [2017])、あるいはオスの蝶と交配行動(arora and singh [2018b])のみに焦点を当てたものである。
訳抜け防止モード: この行動はトンボ(Mirjalili [2016 ])にインスパイアされている。 実りのあるハエの餌源に近づいたり、ホバリングしたりする(Pan [2012 ], al - Rifaie [2014 ]) 昆虫の捕食(Arnaout [2014 ])、蝶の捕食と交配(Kumar et al (2015 ]) Arora and Singh [2018a ], Qi et al [2017 ]) オスの蝶だけに焦点を合わせ mate (countable かつ uncountable, 複数形 mates) (AroraとSingh [2018b ])。
0.73
Long-horn beetle for searching food and avoid predators ( Jiang and Li [2017]), bark beetles searching for food and a nest ( Kallioras et al [2018]), and foraging of seven spot ladybirds ( Yang et al [2013]). 餌を探し、捕食者を避けるための長い角の甲虫(jiang and li [2017])、食料と巣を探すカブトムシ(kallioras et al [2018])、そして7羽の斑点のレディバード(yang et al [2013])。 0.63
Attraction and flashing behaviors of fireflies ( Yang [2010]) or lampyridaeis to produce light by bioluminescense for attraction of preys or mating ( Oliveira et al [2011]). ホタル(yang [2010])やランピラ科(lampyridae)の餌や交尾の誘引のために生物発光によって光を発生させる誘引行動と発火行動(oliveira et al [2011])。 0.73
Foraging and social interaction of spiders to establish the positions of preys based on detection of vibrations of the spider web ( Cuevas et al [2013], Yu and Li [2015]) or black widow spiders bizarre mating ( Hayyolalam and Pourhaji Kazem [2020]). クモの捕食と社会的相互作用は、クモの巣の振動の検出(cuevas et al [2013], yu and li [2015])やブラックウィドウの奇妙な交尾(hayolalam and pourhaji kazem [2020])に基づいて獲物の位置を確立する。 0.64
Wasps interact and allocate the tasks required in nest ( Pinto et al [2005],Meyer and Wilson [1991]). ワップはネストに必要なタスクを相互作用し割り当てる(Pinto et al [2005],Meyer and Wilson [1991])。 0.65
Only a collective behavior of aggregation has been represented in several algorithms, inspired on glowworms ( Krishnanand and Ghose [2009]), grasshopper and locust swarm ( Saremi et al [2017], Chen [2009a]), cockroaches ( Havens et al [2008], Agarwal et al [2014]). アグリゲーションの集団的行動は、いくつかのアルゴリズムでのみ表現され(Krishnanand and Ghose [2009])、草むらとロカストの群れ(Saremi et al [2017], Chen [2009a])、ゴキブリ(Haens et al [2008], Agarwal et al [2014])に着想を得た。 0.73
Migration made by monarch buttlerflies ( Wang et al [2015]) Attraction of females crickets by sound emitted by males chirping of wings ( Canayaz and Karci [2015]) or mating in bumblebees ( Marinakis et al [2009]) and mayflies ( Zervoudakis and Tsafarakis [2020]). キングバトラーフライ(Wang et al [2015]) 雌のクリケットの誘引には、雄が羽(Caayaz and Karci [2015])を鳴らしたり、マツバチ(Marinakis et al [2009])やマツバチ(Zervoudakis and Tsafarakis [2020])で交尾させたりした。 0.65
Different behaviors of Mosquitos have been used considering seeking a host ( Feng et al [2015]), selection of habitat lo lay eggs ( ul Amir Afsar Minhas and Arif [2011]), and to find a hole in a net ( Alauddin [2016]). 蚊の行動は、宿主を探すこと(feng et al [2015])、生息地を産む卵(ul amir afsar minhasとarif [2011])、網に穴を見つけること(alauddin [2016])などを考慮して異なる。 0.58
All algorithms based on insects behavior are shown in Tables 3 and 4. 昆虫の行動に基づく全てのアルゴリズムは表3と表4に示される。 0.82
2.1.4 Mammals Algorithms inspired in behavior of mammals are the second more numerous members of animalia kingdom since the first one are insects. 2.1.4哺乳類 哺乳類の行動にインスパイアされたアルゴリズムは、動物界の2番目の数である。 0.50
A classification of behaviors is proposed again dividing algorithms for foraging, hunting and specific behaviors. 行動の分類が再度提案され、採餌、狩猟、特定の行動のアルゴリズムを分割する。 0.69
Hunting behavior of some mammal predators has been represented in several algorithms, per example colony of bats using echolocation to find a prey ( Yang and Gandomi [2012], Malakooti et al [2011], Tawfeeq [2012]), canides as dogs ( Subramanian et al [2013], Ruiz-Vanoye et al [2012], Alshorman [2014]), hyenas ( Dhiman いくつかの哺乳類捕食者の捕食行動はいくつかのアルゴリズムで表現されており、例えばコウモリの捕食行動は、エコーロケーションを用いて獲物を見つける(Yang and Gandomi [2012], Malakooti et al [2011], Tawfeeq [2012], canides as dog (Subramanian et al [2013], Ruiz-Vanoye et al [2012], Alshorman (2014]), hyenas (Dhiman) などである。 0.90
4 4 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Table 3: Algorithms based on insects behavior (part 1). プレプリント 表3:昆虫の行動に基づくアルゴリズム(その1) 0.60
Swarm Algorithms Ant Colony Optimization Ant Lion Artificial Bee Colony Artificial Beehive Algorithm Artificial Butterfly Optimization Bee Colony Optimization Bee Colony-Inspired Algorithm Bee Swarm Algorithm Bee Swarm Optimization Bee System Bees Algorithm Bees Life Algorithm Bettle Antennae Search Algorithm Bioluminescent Swarm Optimization Black Widow Optimization Bumble Bees Mating Optimization Butterfly Optimization Algorithm Buttlerfly Optimizer Coachroach Swarm Optimization Cricket Behaviour-Based Evolutionary Dispersive Flies Optimization Dragonfly Algorithm Firefly Algorithm Fruitfly Algorithm Swarm Algorithms Ant Colony Optimization Ant Lion Artificial Bee Colony Artificial Beehive Algorithm Artificial Butterfly Optimization Bee Colony Optimization Bee Colony-Inspired Algorithm Bee Swarm Algorithm Bee Swarm Optimization Bee System Bees Algorithm Bees Life Algorithm Bettle Antennae Search Algorithm Bioluminescent Swarm Optimization Black Widow Optimization Bumble Bees Mating Optimization Butterfly Optimization Algorithm Buttlerfly Optimizer Coachroach Swarm Optimization Cricket Behaviour-Based Evolutionary Dispersive Flies Optimization Dragonfly Algorithm Firefly Algorithm Fruitfly Algorithm 0.90
Acronym ACO ALO ABC ABA ABO BCO BciA BeeSA BSO BS BA BLA BASA BSO BWO BBMO BtOA BTO CrSO CBBE DFO DA FA FtA ACO ACO ACO ABC ABO BCO BICA BeeSA BSO BS BA BLA BASA BASA BSO BBMO BTOA BTO CrSO CBBE DFO DA FA FtA 0.78
Authors Dorigo et al [1996], Dorigo [1992] S. Mirjalili Mirjalili [2015a] Karaboga and Basturk [2007] Munoz Acosta et al [2009] Qi et al [2017] Teodoroviíc [2009] Häckel and Dippold [2009] Meng et al [2016] Oliveira et al [2011] Sato and Hagiwara [1997] Pham et al [2005] Bitam et al [2017] Jiang and Li [2017] Oliveira et al [2011] Hayyolalam and Pourhaji Kazem [2020] Marinakis et al [2009] Arora and Singh [2018b] Kumar et al [2015] Agarwal et al [2014] Canayaz and Karci [2015] al-Rifaie [2014] Mirjalili [2016] Yang [2010] Pan [2012] Authors Dorigo et al [1996], Dorigo [1992] S. Mirjalili Mirjalili [2015a] Karaboga and Basturk [2007] Munoz Acosta et al [2009] Qi et al [2017] Teodoroviíc [2009] Häckel and Dippold [2009] Meng et al [2016] Oliveira et al [2011] Sato and Hagiwara [1997] Pham et al [2005] Bitam et al [2017] Jiang and Li [2017] Oliveira et al [2011] Hayyolalam and Pourhaji Kazem [2020] Marinakis et al [2009] Arora and Singh [2018b] Kumar et al [2015] Agarwal et al [2014] Canayaz and Karci [2015] al-Rifaie [2014] Mirjalili [2016] Yang [2010] Pan [2012] 0.87
and Kumar [2017]), coyotes ( Pierezan et al [2019], Pierezan and Dos Santos Coelho [2018]) and the wolfs ( Mirjalili et al [2014], Liu et al [2011], Yang et al [2007], Tang et al [2012]) and felines like lion ( Yazdani and Jolai [2015]) jaguar ( Chen et al [2015]), cheeta ( Goudhaman [2018]) and cats ( Chu et al [2006]) Sea lions hunting behavior using whiskers to detect the prey ( Wang et al [2012]). and kumar [2017], coyotes (pierezan et al [2019], pierezan and dos santos coelho [2018]) and the wolfs (mirjalili et al [2014], liu et al [2011], yang et al [2007], tang et al [2012]) and felines like lion (yazdani and jolai [2015]) jaguar (chen et al [2015]), cheeta (goudhaman [2018]) and cats (chu et al [2006]) sea lions hunting behavior using whiskers to detect the prey ( wang et al [2012])。 0.69
Complex hunting and exploration mechanism made by polar bears ( Połap and Wozniak [2017]). ホッキョクグマ(połap and wozniak [2017])による複雑な狩猟と探査のメカニズム。 0.74
Rummaging food and remembering food source of racoons ( Zangbari Koohi et al [2019]) Aggregation of mammals for foraging, searching or feeding behavior is very common in rumiantes like buffalo ( Man et al [2016]), bisons ( Kazikova et al [2019]), camel ( Ali [2016]), and the elephants ( Wang et al [2015], Deb et al [2015]), the squirrels ( Jain et al [2019]), flying squirrel ( Miarnaeimi et al [2019]) and searching behavior of the donkeys to find routes ( Shamsaldin et al [2019]). ラグーン類(zangbari koohi et al [2019]) 飼料、探索、給餌のための哺乳動物の集合は、バッファロー(man et al [2016])、バイソン類(kazikova et al [2019])、ラクダ類(al [2016])、ゾウ類(wang et al [2015]、deb et al [2015])、リス類(jain et al [2019])、フライングリス類(miarnaeimi et al [2019])、ロバ類のルートを探索する行動(shamsaldin et al [2019])のようなルミアントで非常に一般的である。 0.56
An artificial selection of the best individual, a form of extreme elitism is made in bull to be selected to generate strong and better offsprings ( FINDIK [2015]. 最高の個体を人工的に選別し、強固でより良い子孫を産むために、極端にエリート主義的な形態を雄牛で選択する(FINDIK [2015])。 0.69
A similar mechanism of competition for mating is made by Reed Deer ( Fathollahi-Fard et al [2020]) or lions prides behavior ( Wang et al [2012]) where strongest males have high probabilities for mating and eliminate other competitors inclusive theirs offsprings. 同様の交配競争のメカニズムは、リード・ディア(Fathollahi-Fard et al [2020])やライオンのプライド(Wang et al [2012])によってなされる。
訳抜け防止モード: 同様の交尾競争のメカニズムは、リード・ディア(fathollahi - fard et al [2020 ])によってなされている。 or lions prides behavior (wang et al [2012 ]) 最強のオスは交尾の確率が高く、他の競争相手の子孫を排除できる。
0.70
Marine mammals have serve as inspiration to several algorithms specially dolphins and whales. 海洋哺乳類はイルカやクジラなどのアルゴリズムにインスピレーションを与えている。 0.67
The use o echolocation ( Kaveh and Farhoudi [2013]) or hunting strategies where information is shared between dolphins is commonly used as inspiration ( Zhao et al [2015], Shiqin et al [2009],Serani and Diez [2017]) The same behavior is used in gray whales for foraging strategies using burbles ( Mirjalili and Lewis [2016]) or searching and hunting like sperm whale ( Ebrahimi and Khamehchi [2016]) or killer whale ( Biyanto et al [2017]) A more complex behavior can be observed in several primates like spider monkey ( Bansal et al [2014]), blue monkeys ( Mahmood and Al-Khateeb [2019]), ageist monkeys which age could bring a difference for better performance to solve problems ( Sharma et al [2016]) and sexual behavior with individual intelligence of chimps ( Khishe and Mosavi [2020]). The use o echolocation ( Kaveh and Farhoudi [2013]) or hunting strategies where information is shared between dolphins is commonly used as inspiration ( Zhao et al [2015], Shiqin et al [2009],Serani and Diez [2017]) The same behavior is used in gray whales for foraging strategies using burbles ( Mirjalili and Lewis [2016]) or searching and hunting like sperm whale ( Ebrahimi and Khamehchi [2016]) or killer whale ( Biyanto et al [2017]) A more complex behavior can be observed in several primates like spider monkey ( Bansal et al [2014]), blue monkeys ( Mahmood and Al-Khateeb [2019]), ageist monkeys which age could bring a difference for better performance to solve problems ( Sharma et al [2016]) and sexual behavior with individual intelligence of chimps ( Khishe and Mosavi [2020]). 0.79
Humans are considered primates and have the same behavior but in a more sophisticated way to form tribes ( Chen et al [2010]), groups ( Thammano and Moolwong [2010], Zhang et al [2009]) or aggregates as crowds ( R. Yampolskiy and Hassan [2012]) (More complex behaviors unique for humans are not considered here because it is very difficult to be expressed by other species) All algorithms based on mammals behavior are shown in Tables 5 and 6. 人間は霊長類と見なされ、同じ行動をとるが、より洗練された方法で部族を形成する方法(Chen et al [2010])、集団(Thammano and Moolwong [2010], Zhang et al [2009])、あるいは集団としての集合体(R. Yampolskiy and Hassan [2012])(人間に特有の複雑な行動は、他の種によって表現することが非常に難しいため、ここでは考慮されない)、哺乳類の行動に基づくアルゴリズムはテーブル5と6に示されている。 0.82
5 5 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Table 4: Algorithms based on insects behavior(part 2). プレプリント 表4:昆虫の行動に基づくアルゴリズム(その2) 0.60
Swarm Algorithms Glowworm Swarm Optimization Algorithm Grasshopper Optimisation Algorithm Group Mosquito host-seeking algorithm Honey Bee Behavior Honey Bees Optimization Honey-bees Mating Optimization Algorithm Honeybee Social Foraging Locust Swarm Mayfly Optimization Algorithm Monarch Butterfly Optimization Mosquito Fly Optimization Mosquitos Oviposition Moth-flame Optimization Algorithm Mox Optimization Algorithm OptBees Pity Beetle Algorithm Queen-bees Evolution Regular Butterfly Optimization Algorithm Roach Infestation Optimization Seven-spot Ladybird Optimization Social Spider Algorithm Social Spider Optimization Termite Colony Optimization Termite Hill Algorithm U-Turning Ant Colony Optimiza-tion Virtual Ants Algorithm Virtual Bees Algorithm Wasp Colonies Algorithm Wasp Swarm Optimization Worm Optimization Swarm Algorithms Glowworm Swarm Optimization Algorithm Grasshopper Optimisation Algorithm Group Mosquito host-seeking algorithm Honey Bee Behavior Honey Bees Optimization Honey-bees Mating Optimization Algorithm Honeybee Social Foraging Locust Swarm Mayfly Optimization Algorithm Monarch Butterfly Optimization Mosquito Fly Optimization Mosquitos Oviposition Moth-flame Optimization Algorithm Mox Optimization Algorithm OptBees Pity Beetle Algorithm Queen-bees Evolution Regular Butterfly Optimization Algorithm Roach Infestation Optimization Seven-spot Ladybird Optimization Social Spider Algorithm Social Spider Optimization Termite Colony Optimization Termite Hill Algorithm U-Turning Ant Colony Optimiza-tion Virtual Ants Algorithm Virtual Bees Algorithm Wasp Colonies Algorithm Wasp Swarm Optimization Worm Optimization 0.96
Acronym GSO GOA GMHA HBB HBO HBMOA HSF LS MayfOA MnBO MqFO MOX MfOA MOA OB PBA QBE RBOA RIO SLO ScSA SSO TCO THA U-TACO VAA VBA WCA WSO WO GSO GOA GMHA HBB HBO HBMOA HSF LS MayfOA MnBO MqFO MOX MfOA MOA OB PBA QBE RBOA RIO SLO SSO TCO THA U-TACO VAA WBA WCA WSOWO 0.79
Authors Krishnanand and Ghose [2009] Saremi et al [2017] Feng et al [2015] Wedde et al [2004] Nakrani and Tovey [2004] Abbass [2001] Quijano and Passino [2010] Stephen Chen Chen [2009a] Zervoudakis and Tsafarakis [2020] Wang et al [2015] Alauddin [2016] Feng et al [2015] Mirjalili [2015b] ul Amir Afsar Minhas and Arif [2011] Maia et al [2013] Kallioras et al [2018] Sung Hoon Jung [2003] Arora and Singh [2018a] Havens et al [2008] Yang et al [2013] Cuevas et al [2013] Yu and Li [2015] Hedayatzadeh et al [2010] Zungeru et al [2012] Almufti and Shaban [2018] Yang et al [2006] Yang [2005] Meyer and Wilson [1991] Pinto et al [2005] Arnaout [2014] Authors Krishnanand and Ghose [2009] Saremi et al [2017] Feng et al [2015] Wedde et al [2004] Nakrani and Tovey [2004] Abbass [2001] Quijano and Passino [2010] Stephen Chen Chen [2009a] Zervoudakis and Tsafarakis [2020] Wang et al [2015] Alauddin [2016] Feng et al [2015] Mirjalili [2015b] ul Amir Afsar Minhas and Arif [2011] Maia et al [2013] Kallioras et al [2018] Sung Hoon Jung [2003] Arora and Singh [2018a] Havens et al [2008] Yang et al [2013] Cuevas et al [2013] Yu and Li [2015] Hedayatzadeh et al [2010] Zungeru et al [2012] Almufti and Shaban [2018] Yang et al [2006] Yang [2005] Meyer and Wilson [1991] Pinto et al [2005] Arnaout [2014] 0.86
2.1.5 Others living beings from animalia 2.1.5 動物性生物の他者 0.62
Fifth class is a group of several classes of algorithms which are inspired in behavior of other animals or phylum with a low number of representations. フィフスクラス(英: fifth class)は、他の動物やフィラムの行動にインスパイアされた数種類のアルゴリズムのグループである。 0.71
These groups of animals like mollusks where cuttlefish is a celopod which establish a correct color to mimic on the environment (Eesa et al [2013]), krill living for foraging and reproduction (Gandomi and Alavi [2012]), bed formations by leisurely locomotion of mussels for survival (An et al [2013]) or swarm behavior of salps to navigate and forage (Mirjalili et al [2017]). 軟体動物のような動物群では、カトルフィッシュは、環境を模倣する正しい色を確立するセロポッド(eesa et al [2013])、飼料と繁殖のために生きるクリ(gandomi and alavi [2012])、生存のために貝殻をゆっくりと移動させたベッド形成(an et al [2013])、移動と採餌のためのサルプスの群れ行動(mirjalili et al [2017])がある。 0.76
Different corals fighting with other coral for space on the reef (Tsai et al [2014]) and Zooplankton which integrates several species of animals, larvae, and other organisms (Ruiz-Vanoye et al [2012]). 他のサンゴと闘う異なるサンゴ(tsai et al [2014])と動物、幼虫、その他の生物を統合する動物プランクトン(ruiz-vanoye et al [2012])。
訳抜け防止モード: 礁の宇宙のために他のサンゴと戦う異なるサンゴ (Tsai et al [2014 ]) 数種の動物、幼虫を統合した動物プランクトン そして他の生物(Ruiz - Vanoye et al [2012 ])もそうです。
0.74
Amphibius have been considered like behavior of japanese tree frogs where for mating, males frogs calls females through desynchronization calls (Mutazono et al [2009]). 両生類は、交配のために雄カエルが反同期呼び出しを通じて雌を呼び出す日本のカエルの行動のように考えられている(mutazono et al [2009])。 0.63
Others frogs interchange elements of cultural information called memes; some of them are hosts an others are carriers. カエルはミームと呼ばれる文化情報の要素を交換し、あるものはホストであり、他のものはキャリアである。
訳抜け防止モード: 他のカエルはミームという文化情報の要素を交換する ホストもあれば、キャリアもいます。
0.63
This behavior is used to improve exploration and exploitation for foraging (Eusuff et al [2006]). この行動は、飼料の探索と利用を改善するために用いられる(Eusuff et al [2006])。 0.76
Mating by polymorphic of side-blotched lizards (Maciel C. et al [2020]) or simply foraging of frogs (García and Moreno-Pérez [2008]). サイドブロッチトカゲの多型による交尾(Maciel C. et al [2020])または単にカエルの捕食(García and Moreno-Pérez [2008])である。 0.81
Finally, algorithms for optimization based on animal behavior are inspired in a general performance of animals without a given specification of the species or it can be applied to any species. 最後に、動物行動に基づく最適化のアルゴリズムは、動物種を指定せず、あるいはどんな種にも適用できる動物の一般的な性能にインスパイアされている。 0.82
This could be assumed to humans only but; in some cases, it could be presented in another animals like ants, bees, wolfs, or whales. これは人間にしか当てはまらないが、時にはアリ、ミツバチ、オオカミ、クジラなどの他の動物に提示されることもある。 0.68
Complex behavior like simbiosis (Cheng and Prayogo [2014]), formation of structures (Su et al [2007]) or a high order of behavior like cooperation (Civicioglu [2013]) and competition (Mohseni et al [2014]) is used. 共生(Chen and Prayogo(2014))、構造の形成(Su et al(2007))、協調(Civicioglu(2013))、競争(Mohseni et al(2014))のような高次行動(Mohseni et al(2014))といった複雑な行動が用いられる。 0.70
However, other algorithms emphasize collective behaviors trying to form a general swarm algorithm like Universal Swarm Optimizer (Márquez-Vega and Torres-Treviño [2018]), hierarchy formation (Reggiani et al [2010]) or to pursuit an objective, like search (He et al [2006]) aggregation (Chen [2009b], Piccardi et al [2012], Cui et al [2006]), hunting a prey (Oftadeh and Mahjoob [2009], (Tilahun et al [2015]) or migration (Li et al [2014], Chen and Wang [2009], I. しかし、他のアルゴリズムは、universal swarm optimizer (márquez-vega and torres-treviño [2018]), hierarchy formation (reggiani et al [2010]) や search (he et al [2006]) aggregation (chen [2009b], piccardi et al [2012], cui et al [2012]), hunt a prey (oftadeh and mahjoob [2009], (tilahun et al [2015]) や migration (li et al [2014], chen and wang [2009], i) といった一般的なスウォームアルゴリズムを作ろうとする集団行動を強調している。 0.76
[2004]). All algorithms based on a general animal based behavior are shown in Table 7). [2004]). 一般的な動物に基づく行動に基づく全てのアルゴリズムは、表7に示す)。 0.72
6 6 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Table 5: Algorithms based on mammals behavior (part 1). プレプリント 表5:哺乳類の行動に基づくアルゴリズム(その1) 0.63
Acronym Swarm Algorithms ABO African Buffalo Optimization AWDA African Wild Dog Algorithm ASMO Ageist Spider Monkey Optimization ATA Artificial Tribe Algorithm BA Bat Algorithm BI Bat Intelligence BSA Bat Sonar Algorithm BBA Bison Behavior Algorithm BNMR Blind, Naked Mole-rats Algorithm BllOA Bull Optimization Algorithm CA Camel Algorithm CSO Cat Swarm Optimization CCA Cheetah Chase Algorithm COA Chimp Optimization Algorithm CyOA Coyote Optimization Algorithm CCOA Cultural Coyote Optimization Algorithm DphE Dolphin Echolocation DHA Dolphin Herd Algorithm DPO Dolphin Partner Optimization Dolphin Pod Optimization DpdO Donkey and Smuggler Optimization Algorithm DsOA Elephant Herding Optimization EHO ESA Elephant Search Algorithm FDHA Feral, Dogs Herd algorithm FSO Flying Squirrel Optimizer Gray Wolf Optimizer GWO HGF Human Group Formation HIA Human-inspired Algorithm Jaguar Algorithm with Learning Behavior JA Acronym Swarm Algorithms ABO African Buffalo Optimization AWDA African Wild Dog Algorithm ASMO Ageist Spider Monkey Optimization ATA Artificial Tribe Algorithm BA Bat Algorithm BI Bat Intelligence BSA Bat Sonar Algorithm BBA Bison Behavior Algorithm BNMR Blind, Naked Mole-rats Algorithm BllOA Bull Optimization Algorithm CA Camel Algorithm CSO Cat Swarm Optimization CCA Cheetah Chase Algorithm COA Chimp Optimization Algorithm CyOA Coyote Optimization Algorithm CCOA Cultural Coyote Optimization Algorithm DphE Dolphin Echolocation DHA Dolphin Herd Algorithm DPO Dolphin Partner Optimization Dolphin Pod Optimization DpdO Donkey and Smuggler Optimization Algorithm DsOA Elephant Herding Optimization EHO ESA Elephant Search Algorithm FDHA Feral, Dogs Herd algorithm FSO Flying Squirrel Optimizer Gray Wolf Optimizer GWO HGF Human Group Formation HIA Human-inspired Algorithm Jaguar Algorithm with Learning Behavior JA 0.89
Authors Man et al [2016] Subramanian et al [2013] Sharma et al [2016] Chen et al [2010] Yang and Gandomi [2012] Malakooti et al [2011] Tawfeeq [2012] Kazikova et al [2019] Taherdangkoo et al [2013] FINDIK [2015] Ali [2016] Chu et al [2006] Goudhaman [2018] Khishe and Mosavi [2020] Pierezan and Dos Santos Coelho [2018] Pierezan et al [2019] Kaveh and Farhoudi [2013] Zhao et al [2015] Shiqin et al [2009] Serani and Diez [2017] Shamsaldin et al [2019] Wang et al [2015] Deb et al [2015] Ruiz-Vanoye et al [2012] Miarnaeimi et al [2019] Mirjalili et al [2014] Thammano and Moolwong [2010] Zhang et al [2009] Chen et al [2015] Authors Man et al [2016] Subramanian et al [2013] Sharma et al [2016] Chen et al [2010] Yang and Gandomi [2012] Malakooti et al [2011] Tawfeeq [2012] Kazikova et al [2019] Taherdangkoo et al [2013] FINDIK [2015] Ali [2016] Chu et al [2006] Goudhaman [2018] Khishe and Mosavi [2020] Pierezan and Dos Santos Coelho [2018] Pierezan et al [2019] Kaveh and Farhoudi [2013] Zhao et al [2015] Shiqin et al [2009] Serani and Diez [2017] Shamsaldin et al [2019] Wang et al [2015] Deb et al [2015] Ruiz-Vanoye et al [2012] Miarnaeimi et al [2019] Mirjalili et al [2014] Thammano and Moolwong [2010] Zhang et al [2009] Chen et al [2015] 0.86
2.2 Bacteria In this subsection are combined two kingdoms to consider bacteria and archaebacterias. 2.2 細菌 この部分では、細菌と古細菌を考えるために2つの王国が組み合わさっている。 0.60
Bacterias have several complex behaviors for survival; all algorithms are inspired a life cycling of bacterias, from foraging, reproduction, elimination (Chen et al [2007],Zhang et al [2012], Das et al [2009], Passino [2002], Ying Chu et al [2008],Anandaraman et al [2012]) communication by chemotaxis (Muller et al [2002]). すべてのアルゴリズムは、飼料、生殖、除去(chen et al [2007],zhang et al [2012], das et al [2009], passino [2002], ying chu et al [2008],anandaraman et al [2012])による化学療法によるコミュニケーション(muller et al [2002])から、バクテリアのライフサイクルにインスパイアされている。
訳抜け防止モード: 細菌は生存のためにいくつかの複雑な行動をしています すべてのアルゴリズムは、飼料、生殖、除去(chen et al [2007],zhang et al [2012])から、バクテリアのライフサイクルにインスパイアされています。 das et al [2009 ], passino [2002 ], ying chu et al [2008],anandaraman et al [2012 ]) 化学療法によるコミュニケーション( muller et al [2002 ])。
0.80
Some bacterias orient and swim through geomagnetic fields or by magnetostatic for foraging (Mo and Xu [2013]). いくつかの細菌は地磁気中を泳いで泳いで、あるいは磁気静磁場で採餌する(moとxu[2013])。 0.62
All algorithms based on bacterial behavior are shown in Table 8) 細菌の挙動に基づく全てのアルゴリズムを表8に示す。 0.86
2.3 Fungi There is only one algorithm that belong to this kingdom which it is inspired in mushrooms, specifically in their reproduction and growth mechanisms made in nature. 2.3 菌類 キノコにインスパイアされたこの王国に属するアルゴリズムは1つしかない。
訳抜け防止モード: 2.3 菌類 この王国に属するアルゴリズムは1つしかない キノコにインスパイアされ、特に自然の生殖と成長のメカニズムに着想を得ている。
0.64
Mushrooms expulse spores to discover good living conditions for growing and develop colonies (Bidar et al [2018]). ムッシュルームは胞子を駆除し、コロニーの生育・開発に適した生活条件を発見する(Bidar et al [2018])。 0.61
2.4 Plants Growing of plants as an adaptive phenomenon is represented in several algorithms like transmission mode of bean seeds (Xiaoming Zhang et al [2010]). 2.4の植物 適応現象としての植物の生育は、豆種子の伝達モードのようないくつかのアルゴリズムで表される(Xiaoming Zhang et al [2010])。 0.67
The growing process of trees where branches growth toward betters positions by phototropism and photosynthesis (: Li et al [2012]). 枝が光トロピズムと光合成によってより良い位置に向かって成長する樹木の成長過程(li et al [2012])。 0.84
In a more sophisticated way, a complete process of a forest growth has been represented where trees can live more time in specific zones and others trees can not (Ghaemi and Feizi-Derakhshi [2014]). より洗練された方法では、森林の成長の完全な過程は、木が特定のゾーンでより多くの時間を過ごすことができ、他の木は生きられない(Ghaemi and Feizi-Derakhshi [2014])。 0.67
Some Seeds falls near of these trees but others are taken to another promising zones. いくつかの種はこれらの木に近づき、他の種は別の有望な地域に連れて行かれる。 0.46
A similar process where an artificial plant growth is represented including growth of leaves and spatial branching by phototropism (Cai et al [2008]). 葉の成長や光トロピズム(Cai et al [2008])による空間分岐など、人工的な植物の成長を表わす同様のプロセスである。 0.85
Strawberry plant which try to find better conditions of water, light and nutrients investing more in promising near neighbor spots has inspired some algorithms (Merrikh-Bayat [2014]). 近隣の有望な場所に投資する水、光、栄養の良質な条件を見つけようとするイチゴ植物は、いくつかのアルゴリズムにインスピレーションを与えている(Merrikh-Bayat [2014])。 0.61
The colonization in a cropping of invasive weeds (Mehrabian and Lucas [2006]). 侵入雑草の収穫における植民地化(Mehrabian and Lucas [2006]) 0.68
Seeds in more fertile soils, grow more and produce more seeds on paddy 肥育な土壌で種子を栽培し、水田でより多くの種子を生産する 0.77
7 7 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Table 6: Algorithms based on mammals behavior (part 2). プレプリント 表6:哺乳類の行動に基づくアルゴリズム(その2) 0.64
Swarm Algorithms Killer whale algorithm Leader of Dolphin Herd Algorithm Lion Optimization Algorithm Lion Pride Optimizer Meerkats Clan Algorithms Meerkats Inspired Algorithm Monkey Search Naked Moled Rat Polar Bear Optimization Algorithm Raccoon Optimization Algorithm Rats Herd Algorithm Red Deer Algorithm Rhino Herd Behavior Sea Lion Optimization Algorithm Sheep Flocks Heredity Model Sperm Whale Algorithm Spider Monkey Optimization Spotted Hyena Optimizer Squirrel Search Algorithm The Blue Monkey Whale Optimization Algorithm Wild Dog Packs Wildebeests Herd Optimization Wisdom of Artificial Crowds Wolf Colony Algorithm Wolf Pack Search Wolf Search Algorithm Swarm Algorithms Killer whale algorithm Leader of Dolphin Herd Algorithm Lion Optimization Algorithm Lion Pride Optimizer Meerkats Clan Algorithms Meerkats Inspired Algorithm Monkey Search Naked Moled Rat Polar Bear Optimization Algorithm Raccoon Optimization Algorithm Rats Herd Algorithm Red Deer Algorithm Rhino Herd Behavior Sea Lion Optimization Algorithm Sheep Flocks Heredity Model Sperm Whale Algorithm Spider Monkey Optimization Spotted Hyena Optimizer Squirrel Search Algorithm The Blue Monkey Whale Optimization Algorithm Wild Dog Packs Wildebeests Herd Optimization Wisdom of Artificial Crowds Wolf Colony Algorithm Wolf Pack Search Wolf Search Algorithm 0.87
Acronym KWA LDHA LOA LPO MCA MIA MS NMR PBOA ROA RATHA RDA RHB SLnOA SFHM SWA SMO SHO SqSA TBM WOA WDP WHO WAC WlCA WPSA WSA KWA LDHA LOA LPO MCA MS NMR PBOA ROA RDA RHB SLnOA SFHM SWA SMO SKSA TBM WOA WlCA WPSA WSA 0.57
Authors Biyanto et al [2017] Zhao et al [2015] Yazdani and Jolai [2015] Wang et al [2012] Al-Obaidi et al [2018] Klein and dos Santos Coelho [2018] Mucherino and Seref [2007] Salgotra and Singh [2019] Połap and Wozniak [2017] Zangbari Koohi et al [2019] Ruiz-Vanoye et al [2012] Fathollahi-Fard et al [2020] Wang et al [2018] Wang et al [2012] Nara et al [1999] Ebrahimi and Khamehchi [2016] Bansal et al [2014] Dhiman and Kumar [2017] Jain et al [2019] Mahmood and Al-Khateeb [2019] Mirjalili and Lewis [2016] Alshorman [2014] Motevali et al [2019] R. Yampolskiy and Hassan [2012] Liu et al [2011] Yang et al [2007] Tang et al [2012] Authors Biyanto et al [2017] Zhao et al [2015] Yazdani and Jolai [2015] Wang et al [2012] Al-Obaidi et al [2018] Klein and dos Santos Coelho [2018] Mucherino and Seref [2007] Salgotra and Singh [2019] Połap and Wozniak [2017] Zangbari Koohi et al [2019] Ruiz-Vanoye et al [2012] Fathollahi-Fard et al [2020] Wang et al [2018] Wang et al [2012] Nara et al [1999] Ebrahimi and Khamehchi [2016] Bansal et al [2014] Dhiman and Kumar [2017] Jain et al [2019] Mahmood and Al-Khateeb [2019] Mirjalili and Lewis [2016] Alshorman [2014] Motevali et al [2019] R. Yampolskiy and Hassan [2012] Liu et al [2011] Yang et al [2007] Tang et al [2012] 0.90
Table 7: Algorithms based on animal behavior. 表7:動物行動に基づくアルゴリズム。 0.76
Swarm Algorithms Animal Migration Optimization Algorithm Artificial Cooperative Search Algorithm Artificial Searching Swarm Algorithm Collective Animal Behavior Competition Over Resources Flocking-based Algorithm Good Lattice Swarm Optimization Group Search Optimizer Hierarchical Swarm Model Hunting Search Optimization Population Migration Algorithm Predator Prey Algorithm Self-Organized Migration Algorithm Universal Swarm Optimizer Swarm Algorithms Animal Migration Optimization Algorithm Artificial Cooperative Search Algorithm Artificial Searching Swarm Algorithm Collective Animal Behavior Competition Over Resources Flocking-based Algorithm Good Lattice Swarm Optimization Group Search Optimizer Hierarchical Swarm Model Hunting Search Population Migration Algorithm Predator Prey Algorithm Self-Organized Migration Algorithm Universal Swarm Optimizer 0.90
Acronym AMO ACSA ASSA CAB COR FBA GLSO GpSO HSM HSO PMA PdPA SOM USO AMO ACSA ASSA CAB CAB または FBA GLSO GpSO HSM PMA PdPA SOM USO 0.76
Authors Li et al [2014] Civicioglu [2013] Chen [2009b] Piccardi et al [2012] Mohseni et al [2014] Cui et al [2006] Su et al [2007] He et al [2006] Reggiani et al [2010] Oftadeh and Mahjoob [2009] Chen and Wang [2009] Tilahun et al [2015] Cheng and Prayogo [2014] Márquez-Vega and Torres-Treviño [2018] Li et al [2014] Civicioglu [2013] Chen [2009b] Piccardi et al [2012] Mohseni et al [2014] Cui et al [2006] Su et al [2007] He et al [2006] Reggiani et al [2010] Oftadeh and Mahjoob [2009] Chen and Wang [2009] Tilahun et al [2015] Cheng and Prayogo [2014] Márquez-Vega and Torres-Treviño [2018] 0.88
fields (Premaratne et al [2009]). フィールド (Premaratne et al [2009])。 0.60
Other mechanisms used by plants to defend against different predators since fungus, to insects or herbivores (Caraveo et al [2018]). 昆虫や草食動物(Caraveo et al [2018])に対する、菌類から異なる捕食者を守るために植物が使用する他のメカニズム。 0.80
Pollination process of the flowers represents different strategies followed by the plants to increase its reproduction (Ghaemi and Feizi-Derakhshi [2014]), and the growth of roots to search high nutrients (Herreros et al [2015], Labbi et al [2016]). 花の受粉過程は, 花の繁殖を促進するための異なる戦略(Ghaemi and Feizi-Derakhshi [2014])と, 高い栄養素を探索する根の成長(Herreros et al [2015], Labbi et al [2016])を示す。 0.78
A representation of the growth of root tree for searching wet soil (Merrikh-Bayat [2015]). Merrikh-Bayat [2015]) による湿潤土壌探索のための根木成長の表現 0.69
All algorithms based on plants mechanisms are shown in Table 9 植物機構に基づく全てのアルゴリズムが表9に示されています 0.78
2.5 Protista 2.5 Protista 0.71
Living forms that belong to Protista kingdom has inspired some algorithms, i.e. プロティスタ王国に属する生命体はいくつかのアルゴリズム、すなわちアルゴリズムに影響を与えた。 0.49
Adaptation and movement of micro algaes (Uymaz et al [2015]). 微細藻類の適応と移動(Uymaz et al [2015]) 0.64
Slime mould movement as propagation wave through paths for food by bio-oscillatory 生物振動による食品経路の伝播波としてのスライムモールド運動 0.77
8 8 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Table 8: Algorithms based on bacterial behavior. プレプリント 表8:細菌の挙動に基づくアルゴリズム。 0.66
Swarm Algorithms Bacterial GA Foraging Bacterial Chemotaxis Algorithm Bacterial Colony Optimization Bacterial Evolutionary Algorithm Bacterial Foraging Algorithm Bacterial Swarming Magnetotactic Bacteria Optimization Algorithm MBOA SuperBug Algorithms スワーミングアルゴリズム 細菌化学性アルゴリズム 細菌コロニー最適化 細菌進化アルゴリズム 細菌飼料アルゴリズム 細菌群 磁気系統細菌最適化アルゴリズム mboaスーパーバグアルゴリズム 0.74
Acronym BGAF BCA BcCO BEA BFA BS BGAF BCA BcCO BEA BFA BS 0.65
SBA Authors Chen et al [2007] Muller et al [2002] Zhang et al [2012] Das et al [2009] K.M. SBA 著者 Chen et al [2007] Muller et al [2002] Zhang et al [2012] Das et al [2009] K.M。 0.87
Passino Passino [2002] Ying Chu et al [2008] Mo and Xu [2013] Anandaraman et al [2012] Passino Passino [2002] Ying Chu et al [2008] Mo and Xu [2013] Anandaraman et al [2012] 0.85
Table 9: Algorithms based on plants behavior. 表9:植物行動に基づくアルゴリズム。 0.74
Swarm Algorithms Artificial Plant Optimization Algorithm Bean Optimization Algorithm Flower pollination Algorithm Forest Optimization Algorithm Invasive Weed Optimization Natural Forest Regeneration Paddy Field algorithm Plant Growth Optimization Plant Propagation Algorithm Root Growth Optimizer Rooted Tree Optimization Algorithm Runner-Root Algorithm Sapling Growing up Algorithm Seed Based Plant Propagation Algorithm Self-defense Techniques of the Plants Strawberry Algorithm 群れアルゴリズム 人工植物最適化アルゴリズム bean optimization algorithm flower pollination algorithm forest optimization algorithm invasive weed optimization natural forest regeneration rice field algorithm plant growth optimization plant propagation algorithm root growth optimizationr rooted tree optimization algorithm runner-root algorithm sapling growing up algorithm seed based plant propagation algorithm self- defense techniques of the plants strawberry algorithm 0.89
Acronym APOA BOA FPA FOA IWO NFR PFA PGO PPA RGO RTOA RRA SGUA SBPPA SDTP SA APOA BOA FPA FOA IWO NFR PFA PGO PPA RTOA RRA SGUA SBPPA SDTP SA 0.72
Authors : Li et al [2012] Xiaoming Zhang et al [2010] Yang [2012] Ghaemi and Feizi-Derakhshi [2014] Mehrabian and Lucas [2006] Moez et al [2016] Premaratne et al [2009] Cai et al [2008] Salhi and Fraga [2011] Herreros et al [2015] Labbi et al [2016] Merrikh-Bayat [2015] Karci and Alatas [2006] Li et al [2015] Caraveo et al [2018] Merrikh-Bayat [2014] 著者: Li et al [2012] Xiaoming Zhang et al [2010] Yang [2012] Ghaemi and Feizi-Derakhshi [2014] Mehrabian and Lucas [2006] Moez et al [2016] Premaratne et al [2009] Cai et al [2008] Salhi and Fraga [2011] Herreros et al [2015] Labbi et al [2016] Merrikh-Bayat [2015] Karci and Alatas [2006] Li et al [2015] Caraveo et al [2018] Merrikh-Bayat [2014] 0.90
movement has inspired some algorithms (Monismith and Mayfield [2008]). 運動はいくつかのアルゴリズムにインスピレーションを与えた(MonismithとMayfield [2008])。 0.75
A similar behavior is made by Amoeboid Organisms (Xiaoge Zhang et al [2012]). 同様の行動はAmoeboid Organisms (Xiaoge Zhang et al [2012])によってなされている。 0.86
2.6 Viruses Finally, virus do not belong to any kingdom; however, they represents their own kingdom according with some authors; however they have an iteration with species of other kingdoms. 2.6ウイルス 最終的に、ウイルスはどの王国にも属さないが、一部の著者によればそれぞれの王国を表すが、他の王国の種と反復している。 0.66
The capabilities to infect successfully cells and produce new viruses is represented in (Cortés et al [2008], Li et al [2016], Liang and Juarez [2016], Jaderyan and Khotanlou [2016]). 成功した細胞に感染し、新しいウイルスを産生する能力は、cortés et al [2008], li et al [2016], liang and juarez [2016], jaderyan and khotanlou [2016]に表される。
訳抜け防止モード: 成功した細胞に感染し、新しいウイルスを生産する能力 は (Cortés et al [ 2008 ], Li et al [ 2016 ] で表される。 Liang and Juarez [2016 ], Jaderyan and Khotanlou [2016 ])
0.80
A more recent algorithm inspired in viruses behavior is Coronavirus optimization algorithm which is based on propagation of COVID-19 illness (Martínez-Álvarez et al [2020]) より最近のウイルス行動にインスパイアされたアルゴリズムは、新型コロナウイルス病の伝播に基づくコロナウイルス最適化アルゴリズムである(Martínez-Alvarez et al [2020])。 0.70
2.7 Who is who in living being inspired algorithms 2.7 アルゴリズムにインスパイアされた生き方 0.77
Complete taxonomy is shown in Figure 1. 完全な分類は図1に示す。 0.69
Observing trajectory of development of swarm algorithms inspired in living being behaviors, there is a tendency where the number of new proposal is increasing (Figure 2). 生活行動にインスパイアされたSwarmアルゴリズムの開発軌跡を観察すると,新たな提案の数が増えている傾向がある(第2報)。 0.81
An analysis was made considering references of this review to count algorithms proposed by authors and journals with more publications related with living beings behavior based inspired algorithms. このレビューの参照を考慮し、著者や雑誌が提案するアルゴリズムを数え、生物行動に基づくアルゴリズムに関する多くの出版物を数える分析を行った。 0.78
Authors with more than two algorithms were considered inclusive mentioned as coauthors in original papers. 2つ以上のアルゴリズムを持つ著者は、オリジナルの論文で共著者として言及されている。 0.59
Xin-She Yang (Author or involved in Cuckoo Search, Firefly Algorithm, Bat Algorithm, Flower Pollination Algorithm, Eagle Strategies, Virtual Ants and Bees, Catfish optimization algorithm) and Seyedali Mirjalili (Grey Wolf Algorithm, Whale Optimization Algorithm, Salp Swarm Algorithm, Ant Lion Optimization, Grasshopper Optimization Algorithm, Moth Flame Optimization Algorithm, Harris Hack Optimization) are the most prominent authors. Xin-She Yang (Cuckoo Search, Firefly Algorithm, Bat Algorithm, Flower Pollination Algorithm, Eagle Strategies, Virtual Ants and Bees, Catfish Optimization Algorithm) と Seyedali Mirjalili (Grey Wolf Algorithm, Whale Optimization Algorithm, Salp Swarm Algorithm, Ant Lion Optimization, Grasshopper Optimization Algorithm, Moth Flame Optimization Algorithm, Harris Hack Optimization) が最も著名な著者である。 0.83
Special mentions for Erik Cuevas (Side-Blotched Lizard Algorithm, Locust Swarm algorithm, Social Spider Algorithm, Yellow Saddle Goatfish), Jorge A. Ruíz -Vanoye (Rats Herd Algorithm, Feral Dogs Herd Algorithm, Dolphin Herd Algorithm, Zooplakton Swarm Algorithm), Kevin M. Passino (biomimicry of bacterial foraging, Honeybee social foraging algorithm), and Vijay Kumar (Seagull Optimization Algorithm, Spotted Hyena Optimization). Erik Cuevas (Side-Blotched Lizard Algorithm, Locust Swarm Algorithm, Social Spider Algorithm, Yellow Saddle Goatfish), Jorge A. Ruíz -Vanoye (Rats Herd Algorithm, Feral Dogs Herd Algorithm, Dolphin Herd Algorithm, Zooplakton Swarm Algorithm), Kevin M. Passino (biomimicry ofbacterium foraging, Honeybee social foraging Algorithm), Vijay Kumar (Seagull Optimization Algorithm, Spotted Hyena Optimization), などである。 0.83
Journal with more than four related publications are Applied Soft Computing, 関連刊行物が4つ以上あるジャーナルは、Applied Soft Computingである。 0.69
9 9 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Figure 1: Taxonomy of algorithms inspired on behavior of living beings. プレプリント 図1:生物の行動に触発されたアルゴリズムの分類。 0.59
Advanced in Engineering Software, Swarm and Evolutionary Computation, Soft Computing, Neural Computing and Applications, International Journal of Bio-inspired Computation, The Scientific World Journal, Engineering Application of Artificial Intelligence, Expert System with Application and IEEE Transaction on Evolutionary Computation. Advanced in Engineering Software, Swarm and Evolutionary Computation, Soft Computing, Neural Computing and Applications, International Journal of Bio-inspired Computation, The Scientific World Journal, Engineering Application of Artificial Intelligence, Expert System with Application and IEEE Transaction on Evolutionary Computation。 0.87
3 Conclusion A new taxonomy is presented based on kingdom classifications and considering all known nature inspired living being algorithms. 3 結論 新しい分類法が王国の分類に基づいて提示され、全ての既知の自然がアルゴリズムにインスパイアされた。 0.69
Several algorithms have been proposed in recent years, it makes a feeling that many of them do not contribute to discipline or there is an abuse to promote new algorithms. 近年、いくつかのアルゴリズムが提案されているが、その多くが規律に寄与していない、あるいは新しいアルゴリズムを宣伝する悪用があると感じている。 0.71
Inclusive some author propose the use of only well established algorithms; by this way, they consider that it is not necessary to generate new algorithms only use better ones. 包括的に、一部の著者は確立されたアルゴリズムのみを使うことを提案している。この方法では、新しいアルゴリズムを生成する必要はなく、より良いアルゴリズムを使うだけである。 0.66
Perhaps many algorithms could be useless, poorly tested or applied. 多分、多くのアルゴリズムは役に立たず、テストもテストも適用もできないだろう。 0.46
Many of them have not tested intensively in different well known benchmarks; nevertheless, my particular opinion is that the doors should not close to new algorithms because they may contribute to new ideas, i.e. それらの多くは、よく知られたベンチマークで集中的にテストしていませんが、私の意見では、新しいアイデアに寄与する可能性があるため、新しいアルゴリズムに近付くべきではない、ということです。 0.57
new behaviors for swarm robotics and perhaps appears a new revolutionary algorithm. swarm roboticsの新しい行動は、おそらく新しい革命的アルゴリズムのように見える。 0.74
Finally, some authors are proposed an unifications of algorithms to establish universal algorithms, it is not clear because Not Free Lunch Theory make not possible these condition but it has not be proven. 最後に、いくつかの著者は普遍的なアルゴリズムを確立するためのアルゴリズムの統一を提案しているが、自由ランチ理論がこれらの条件を可能としていないため明らかではない。 0.67
In part because a mathematical foundation is required; however, in evolutionary or meta heuristics algorithms this problem persists until now. 部分的には数学的基礎が必要であるが、進化的あるいはメタヒューリスティックなアルゴリズムでは、この問題は現在まで続いている。 0.65
As a future work, highlighted algorithms based on behaviors of living forms could be included and make a study which includes memory used, computational complexity and parameters required. 将来の研究として、生物の行動に基づく強調されたアルゴリズムを含めることができ、メモリの使用、計算の複雑さ、パラメータなどを含む研究を行うことができる。
訳抜け防止モード: 将来の仕事として 生活形態の行動に基づく強調されたアルゴリズム 研究に含めて メモリの使用、計算の複雑さ、パラメータなどが含まれる。
0.81
For this analysis a seudo-code of every この解析のために、すべてのソウド符号 0.57
10 Behavior Based (any specie):AMO, ACSA, ASSA, CAB, COR, FBA, GLSO, GpSO, HSM, HSO, PMA, PdPA, SOMA, SOS, USOAnimaliaBirdsFish esMammalsOthersInsec tsProtistaFungiBacte riaPlantsBGAF, BCA, BcCO, BEA, BFA, BcS, MBOA, SBACtOA, CSPF, FSS, FSA,GSR, MBFA, ShSO, SSA, SFO, YSGFABO, AWDA, ASMO, ATA, BA, BI, BSA, BBA, BNMR,BIIOA, CA, CSO, CCA, CyOA, ChOA, CCOA, DphE, DHA, DPO, DpdO, DsOA, EHO, ESA, FDHA, FSO, GWO, HGF,HIA, JA, KWA, LDHA, LOA, LPO, MCA, MIA, MS, NMR, PBOA, ROA, RATHA, RDA, RHB, SLnOA, SFHM, SWA, SMO, SHO, SqSA, TBM, WOA, WDP, WHO, WAC, WICA, WPSA, WSAMRACROA, CFA, FCA, JTF, JFO, KHA, MWO, SISA, SFL, SBLA, ZSAACO, ALO, ABC, ABA, ABtOBCO, BciA, BeeSA, BSO, BS, BA, BLABASA, BISO, BWO, BBMO, BtOA, BTO,CrSO, CBBE, DFO, DA, FA, FtA, GSO,GOA, GMHA, HBB, HBO, HBMOA, HSF,LS, MnBO, MayOA, MqFO, MOX, MfOA, MOA, OB, PBA, QBE, RBOA, RIO, SLO, ScSA, SSO,TCO, THA, U-TACO, VAA, VBA, WCA,WSO, WOAPOA, BOA, FPA, FOA, IWO, NFR, PFA, PGO, PPA, RGO, RTOA, RRA, SGUA, SBPPA, SDTP, SAAOA, AAA, SMOAVirus:VS, VrOA, VCS, VOA, CorVOAA 2020 Taxonomy of Living Being Inspired Algorithms 10 Behavior Based (any specie):AMO, ACSA, ASSA, CAB, COR, FBA, GLSO, GpSO, HSM, HSO, PMA, PdPA, SOMA, SOS, USOAnimaliaBirdsFish esMammalsOthersInsec tsProtistaFungiBacte riaPlantsBGAF, BCA, BcCO, BEA, BFA, BcS, MBOA, SBACtOA, CSPF, FSS, FSA,GSR, MBFA, ShSO, SSA, SFO, YSGFABO, AWDA, ASMO, ATA, BA, BI, BSA, BBA, BNMR,BIIOA, CA, CSO, CCA, CyOA, ChOA, CCOA, DphE, DHA, DPO, DpdO, DsOA, EHO, ESA, FDHA, FSO, GWO, HGF,HIA, JA, KWA, LDHA, LOA, LPO, MCA, MIA, MS, NMR, PBOA, ROA, RATHA, RDA, RHB, SLnOA, SFHM, SWA, SMO, SHO, SqSA, TBM, WOA, WDP, WHO, WAC, WICA, WPSA, WSAMRACROA, CFA, FCA, JTF, JFO, KHA, MWO, SISA, SFL, SBLA, ZSAACO, ALO, ABC, ABA, ABtOBCO, BciA, BeeSA, BSO, BS, BA, BLABASA, BISO, BWO, BBMO, BtOA, BTO,CrSO, CBBE, DFO, DA, FA, FtA, GSO,GOA, GMHA, HBB, HBO, HBMOA, HSF,LS, MnBO, MayOA, MqFO, MOX, MfOA, MOA, OB, PBA, QBE, RBOA, RIO, SLO, ScSA, SSO,TCO, THA, U-TACO, VAA, VBA, WCA,WSO, WOAPOA, BOA, FPA, FOA, IWO, NFR, PFA, PGO, PPA, RGO, RTOA, RRA, SGUA, SBPPA, SDTP, SAAOA, AAA, SMOAVirus:VS, VrOA, VCS, VOA, CorVOAA 2020 Taxonomy of Living Being Inspired Algorithms 0.91
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Figure 2: Quantity of new proposals for year. プレプリント 図2: 年内の新規提案の量。 0.59
algorithms must be generated in a homogenous way to allow comparisons between them. アルゴリズムは、それらの比較を可能にするために、均質な方法で生成されなければならない。 0.52
This is a monumental work,; however, we can reduce this work considering most highlighted algorithms of every kingdom. しかし、すべての王国の最も強調されたアルゴリズムを考慮すると、この作業を減らすことができる。 0.71
11 11 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT References Parul Agarwal and Shikha Mehta. プレプリント Parul Agarwal と Shikha Mehta を参照。 0.64
Nature-inspired algorithms: State-of-art, problems and prospects. 自然に触発されたアルゴリズム:最先端、問題、展望。 0.49
International Journal of Computer Applications, 100:14–21, 08 2014. doi:10.5120/17593-83 31. 国際 Journal of Computer Applications, 100:14–21, 08 2014 doi:10.5120/17593-83 31。 0.67
Nazmul H. Siddique and Hojjat Adeli. Nazmul H. SiddiqueとHojjat Adeli。 0.91
Nature inspired computing: An overview and some future directions. 自然にインスパイアされたコンピューティング: 概要と今後の方向性。 0.64
Cognitive Computation, 7:706 – 714, 2015. 認知 計算, 7:706 – 714, 2015。 0.74
P. Sindhuja, P. Ramamoorthy, and M. Suresh Kumar. P. Sindhuja、P. Ramamoorthy、M. Suresh Kumar。 0.92
A brief survey on nature inspired algorithms: Clever algorithms 自然に触発されたアルゴリズムに関する簡単な調査:賢いアルゴリズム 0.65
for optimization. Asian Journal of Computer Science and Technology (AJCST), 7(1):27–32, 2018. 最適化のために Asian Journal of Computer Science and Technology (AJCST) 7(1):27–32, 2018。 0.76
Avula Krishnaveni. Avula Krishnaveni 0.58
A survey on natural inspired computing (nic): Algorithms and challenges. 自然インスパイアコンピューティング(nic: natural inspired computing) - アルゴリズムと課題。 0.68
Global journal of Global Journal(英語) 0.67
computer science and technology, 2019. コンピュータ科学と技術 2019年 0.61
Erik Cuevas, Fernando Fausto, and Adrián González. Erik Cuevas、Fernando Fausto、Adrián González。 0.70
An introduction to nature-inspired metaheuristics and swarm 自然に触発されたメタヒューリスティックスと群れ 0.51
methods. In New Advancements in Swarm Algorithms: Operators and Applications, pages 1–41. 方法。 In New Advancements in Swarm Algorithms: Operators and Applications, page 1–41。 0.77
Springer, 2020. スプリンガー、2020年。 0.59
Xin-She Yang. xin-she yang氏。 0.45
Nature-inspired optimization algorithms: Challenges and open problems. 自然に触発された最適化アルゴリズム:課題とオープン問題。 0.61
Journal of Computational ISSN 1877-7503. doi:https://doi.org/ 10.1016/j.jocs.2020. 101104. Journal of Computational ISSN 1877-7503. doi:https://doi.org/ 10.1016/j.jocs.2020. 101104 0.46
URL http: Science, page 101104, 2020. URL http: 科学』101104頁、2020年。 0.81
//www.sciencedirect. com/science/article/ pii/S187775032030014 4. は、S1877750320300144。 0.22
V. Sureka, L. Sudha, G. Kavya, and K. B. Aruna. V. Sureka、L. Sudha、G. Kavya、K. B. Aruna。 0.82
Nature inspired meta-heuristic optimization algorithms capitalized. 自然はメタヒューリスティック最適化アルゴリズムにインスピレーションを与えた。 0.50
In 6th International Conference on Advanced Computing and Communication Systems (ICACCS), pages 1029–1034, 2020. 第6回先進コンピューティングと通信システムに関する国際会議(ICACCS)において、2020年1029-1034頁。 0.70
Julius Beneoluchi Odili, Ahmad Noraziah, Radzi Ambar, and Mohd Helmy Abd Wahab. Julius Beneoluchi Odili, Ahmad Noraziah, Radzi Ambar, Mohd Helmy Abd Wahab 0.66
A critical review of major In The Eurasia Proceedings of Science, Technology, Engineering & nature-inspired optimization algorithms. eurasia proceedings of science, technology, engineering & nature-inspired optimizationアルゴリズムの批判的レビュー。 0.60
Mathematics (EPSTEM), ICRES 2018: International Conference on Research in Education and Science, volume 2, pages 376–394, 2018. 数学 (EPSTEM), ICRES 2018: International Conference on Research in Education and Science, Volume 2, pages 376–394, 2018. 0.87
S Binitha and S. Siva Sathya. SbinithaとS. Siva Sathya。 0.70
A survey of bio inspired optimization algorithms. バイオインスパイアされた最適化アルゴリズムの調査 0.82
International Journal of Soft Computing international journal of soft computing(英語) 0.66
and Engineering (IJSCE), 2(2), 2012. and engineering (ijsce) 2(2), 2012を参照。 0.73
N. Pazhaniraja, P. V. Paul, G. Roja, K. Shanmugapriya, and B. Sonali. N. Pazhaniraja、P. V. Paul、G. Roja、K. Shanmugapriya、B. Sonali。 0.81
A study on recent bio-inspired optimization algorithms. 最近のバイオインスパイア最適化アルゴリズムに関する研究 0.80
In 2017 Fourth International Conference on Signal Processing, Communication and Networking (ICSCN), pages 1–6, 2017. 2017年の第4回信号処理・通信・ネットワークに関する国際会議(ICSCN)、2017年1-6ページ。 0.77
Rowida Ali AL. Rowida Ali AL所属。 0.88
Amry and Ghaleb Al-Gaphari. AmryとGhaleb Al-Gaphari。 0.82
Survey on recent bio-inspired optimization algorithms. 最近のバイオインスパイアド最適化アルゴリズムに関する調査 0.77
International Journal of Computer Science and Network, 7(6), 2018. 国際 Journal of Computer Science and Network, 7(6, 2018)。 0.75
Javier Del Ser, Eneko Osaba, Daniel Molina, Xin-She Yang, Sancho Salcedo-Sanz, David Camacho, Swagatam Das, Ponnuthurai N. Suganthan, Carlos A. Coello Coello, and Francisco Herrera. Javier Del Ser, Eneko Osaba, Daniel Molina, Xin-She Yang, Sancho Salcedo-Sanz, David Camacho, Swagatam Das, Ponnuthurai N. Suganthan, Carlos A. Coello Coello, Francisco Herrera 0.91
Bio-inspired computation: Where we stand and what’s next. バイオインスパイアされた計算: 私たちがどこに立って、次に何をするか。 0.47
Swarm and Evolutionary Computation, 48:220 – 250, 2019. Swarm and Evolutionary Computation, 48:220 – 250, 2019 0.88
ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2019 .04.008. ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2019 .04.008 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021831027 7. URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021831027 7 0.41
R.S. Parpinelli and H.S. R.S. Parpinelli と H.S. 0.77
Lopes. New inspirations in swarm intelligence: A survey. ロープ。 swarm intelligenceの新たなインスピレーション:調査。 0.51
International Journal of Bio-Inspired International Journal of Bio-Inspired 0.84
Computation (IJBIC), 3(1):1–16, 2011. 計算 (IJBIC, 3(1):1-16, 2011)。 0.75
Jorge Ruiz-Vanoye, Ocotlán Díaz-Parra, Felipe Cocón, Andres Soto, Ma Arias, Gustavo Verduzco, and Roberto Alberto-Lira. Jorge Ruiz-Vanoye, Ocotlán Díaz-Parra, Felipe Cocón, Andres Soto, Ma Arias, Gustavo Verduzco, Roberto Alberto-Lira 0.95
Meta-heuristics algorithms based on the grouping of animals by social behavior for the traveling salesman problem. 旅行セールスマン問題に対する社会的行動による動物の集団化に基づくメタヒューリスティックスアルゴリズム 0.73
International Journal of Combinatorial Optimization Problems and Informatics, 3:104–123, 07 2012. International Journal of Combinatorial Optimization Problems and Informatics, 3:104–123, 07 2012 0.93
Bo Xing and Wen-Jing Gao. Bo XingとWen-Jing Gao。 0.85
Innovative Computational Intelligence: A Rough Guide to 134 Clever Algorithms. Innovative Computational Intelligence: A Rough Guide to 134 Clever Algorithms (英語) 0.88
Springer, 2019. Springer 2019. 0.67
Saman M. Almufti. Saman M. Almufti 0.74
Historical survey on metaheuristics algorithms. メタヒューリスティックスアルゴリズムに関する歴史的調査 0.68
International Journal of Scientific World, 7(1): 1–12, 2019. International Journal of Scientific World, 7(1): 1-12, 2019 0.85
ISSN 2307-9037. doi:10.14419/ijsw.v7 i1.29497. ISSN 2307-9037. doi:10.14419/ijsw.v7 i1.29497 0.29
URL https://www.sciencep ubco.com/index. url https://www.sciencep ubco.com/index。 0.48
php/IJSW/article/vie w/29497. php/IJSW/article/vie w/29497。 0.30
Haiping Ma, Shigen Shen, Mei Yu, Zhile Yang, Minrui Fei, and Huiyu Zhou. ハミングマ、重心シェン、メイユ、ジール・ヤン、ミヌイ・フェイ、ウイユ・周。 0.45
Multi-population techniques in nature inspired optimization algorithms: A comprehensive survey. 自然界におけるマルチポピュレーション手法は最適化アルゴリズムにインスパイアされた。 0.60
SWARM AND EVOLUTIONARY COMPUTATION, 44: 365–387, FEB 2019. SWARM and EvoLUTIONary Computation, 44: 365–387, FEB 2019 0.68
ISSN 2210-6502. doi:10.1016/j.swevo. 2018.04.011. ISSN 2210-6502. doi:10.1016/j.swevo. 2018.04.011 0.28
Michalis Mavrovouniotis, Changhe Li, and Shengxiang Yang. Michalis Mavrovouniotis、Changhe Li、Shengxiang Yang。 0.62
A survey of swarm intelligence for dynamic optimization: Algorithms and applications. 動的最適化のためのswarm intelligenceのサーベイ:アルゴリズムと応用 0.80
Swarm and Evolutionary Computation, 33:1 – 17, 2017. Swarm and Evolutionary Computation, 33:1 – 17, 2017。 0.90
ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2016 .12.005. ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2016 .12.005 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021630254 1. URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021630254 1 0.41
12 12 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Ankit Thakkar and Kinjal Chaudhari. プレプリント Ankit ThakkarとKinjal Chaudhari。 0.62
A comprehensive survey on portfolio optimization, stock price and trend prediction using particle swarm optimization. particle swarm optimizationを用いたポートフォリオ最適化、株価予測、トレンド予測に関する総合調査 0.79
ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING, 2020. 工学における計算手法のアーカイブ、2020年。 0.50
ISSN 1134-3060. doi:10.1007/s11831-0 20-09448-8. ISSN 1134-3060. doi:10.1007/s11831-0 20-09448-8 0.28
Bach Hoai Nguyen, Bing Xue, and Mengjie Zhang. Bach Hoai Nguyen, Bing Xue, Mengjie Zhang 0.62
A survey on swarm intelligence approaches to feature seISSN 2210-6502. swarm Intelligence approach to feature seISSN 2210-6502 に関する調査 0.76
lection in data mining. データマイニングにおける禁止。 0.44
SWARM AND EVOLUTIONARY COMPUTATION, 54, MAY 2020. doi:10.1016/j.swevo. 2020.100663. SWARM and EvoLUTIONary Computation, 54, MAY 2020. doi:10.1016/j.swevo. 2020.100663 0.49
Weifeng Sun, Min Tang, Lijun Zhang, Zhiqiang Huo, and Lei Shu. Weifeng Sun, Min Tang, Lijun Zhang, Zhiqiang Huo, Lei Shu 0.66
A Survey of Using Swarm Intelligence Algorithms Swarm Intelligence Algorithms の利用実態調査 0.78
in IoT. SENSORS, 20(5), MAR 2020. doi:10.3390/s2005142 0. IoTで。 SENSORS, 20(5), MAR 2020. doi:10.3390/s 20051420 0.74
Ashraf Darwish, Aboul Ella Hassanien, and Swagatam Das. Ashraf Darwish、Aboul Ella Hassanien、Swagatam Das。 0.65
A survey of swarm and evolutionary computing approaches ISSN 0269-2821. swarm and evolutionary computing approach issn 0269-2821の調査。 0.65
for deep learning. ARTIFICIAL INTELLIGENCE REVIEW, 53(3):1767–1812, MAR 2020. doi:10.1007/s10462-0 19-09719-2. 深層学習のためです MAR 2020. doi:10.1007/s10462-0 19-09719-2 0.59
Absalom E. Ezugwu. Absalom E. Ezugwu 0.78
Nature-inspired metaheuristic techniques for automatic clustering: a survey and performance 自然に触発されたメタヒューリスティックな自動クラスタリング技術:調査と性能 0.66
study. SN APPLIED SCIENCES, 2(2), FEB 2020. 勉強しろ SN APPLIED SCIENCES, 2(2), FEB 2020 0.62
ISSN 2523-3963. doi:10.1007/s42452-0 20-2073-0. ISSN 2523-3963. doi:10.1007/s42452-0 20-2073-0 0.29
Xiaohua Chen, Genggeng Liu, Naixue Xiong, Yaru Su, and Guolong Chen. Xiaohua Chen, Genggeng Liu, Naixue Xiong, Yaru Su, Guolong Chen 0.67
A Survey of Swarm IntelliISSN 2169-3536. A Survey of Swarm IntelliISSN 2169-3536 0.85
IEEE ACCESS, 8:26266–26292, 2020. IEEE ACCESS, 8:26266–26292, 2020。 0.76
gence Techniques in VLSI Routing Problems. VLSIルーティング問題におけるゲンス技術 0.76
doi:10.1109/ACCESS.2 020.2971574. Doi:10.1109/ACCESS.2 020.2971574 0.26
Krishna Gopal Dhal, Swarnajit Ray, Arunita Das, and Sanjoy Das. Krishna Gopal Dhal, Swarnajit Ray, Arunita Das, and Sanjoy Das。 0.83
A Survey on Nature-Inspired Optimization Algorithms and Their Application in Image Enhancement Domain. 自然に着想を得た最適化アルゴリズムの探索と画像強調領域への応用 0.74
ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING, 26(5):1607–1638, NOV 2019. 工学における計算方法のArcHIVes, 26(5):1607–1638, NoV 2019 0.64
ISSN 1134-3060. doi:10.1007/s11831-0 18-9289-9. ISSN 1134-3060. doi:10.1007/s11831-0 18-9289-9 0.28
Petr Bujok, Josef Tvrdík, and Radka Poláková. Petr Bujok, Josef Tvrdík, Radka Poláková 0.60
Comparison of nature-inspired population-based algorithms on continuous optimisation problems. 連続最適化問題に対する自然に着想を得た集団型アルゴリズムの比較 0.62
Swarm and Evolutionary Computation, 50:100490, 2019. Swarm and Evolutionary Computation, 50:100490, 2019 0.89
ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2019 .01.006. ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2019 .01.006 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021830153 6. URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021830153 6 0.41
Haiping Ma, Sengang Ye, Dan Simon, and Minrui Fei. Haping Ma, Sengang Ye, Dan Simon, Minrui Fei 0.57
Conceptual and numerical comparisons of swarm intelligence optimization algorithms. Swarmインテリジェンス最適化アルゴリズムの概念的および数値的比較 0.87
Soft Computing, 21(11):3081–3100, 2017. doi:10.1007/s00500-0 15-1993-x. ソフトコンピューティング 21(11):3081–3100, 2017 doi:10.1007/s00500-0 15-1993-x 0.47
URL https: //doi.org/10.1007/s0 0500-015-1993-x. URL https: //doi.org/10.1007/s0 0500-015-1993-x 0.31
Adam P. Piotrowski, Maciej J. Napiorkowski, Jaroslaw J. Napiorkowski, and Pawel M. Rowinski. Adam P. Piotrowski、Maciej J. Napiorkowski、Jaroslaw J. Napiorkowski、Pawel M. Rowinski。 0.82
Swarm intelligence and evolutionary algorithms: Performance versus speed. Swarmインテリジェンスと進化的アルゴリズム:パフォーマンス対スピード。 0.77
Information Sciences, 384:34 – 85, 2017. 情報科学』384:34 - 2017年85頁。 0.75
ISSN 0020-0255. doi:https://doi.org/ 10.1016/j.ins.2016.1 2.028. ISSN 0020-0255. doi:https://doi.org/ 10.1016/j.ins.2016.1 2.028 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/ S0020025516320904. URL http://www.sciencedi rect.com/science/art icle/pii/ S0020025516320904 0.41
D. T. Pham and M. Castellani. D. T. PhamとM. Castellani。 0.81
Benchmarking and comparison of nature-inspired population-based continuous optimisation algorithms. 自然に着想を得た連続最適化アルゴリズムのベンチマークと比較 0.63
Soft Comput., 18(5):871?903, May 2014. Soft Comput., 18(5):871?903, May 2014 0.82
ISSN 1432-7643. doi:10.1007/s00500-0 13-11049. ISSN 1432-7643. doi:10.1007/s00500-0 13-11049 0.32
URL https://doi.org/10.1 007/s00500-013-1104- 9. URL https://doi.org/10.1 007/s00500-013-1104- 9 0.31
Alexandros Tzanetos and Georgios Dounias. アレクサンドロス・トゥザントスとゲオルギオス・ドゥーニアス。 0.63
An application-based taxonomy of nature inspired intelligent algorithms. 自然のアプリケーションに基づく分類は知的アルゴリズムにインスパイアされた。 0.56
technical report. Technical report, University of the Aegean, november 2019. 技術的報告だ 2019年11月、エーゲ海大学技術報告。 0.69
Ku Ruhana. Yasear, Shaymah Akram; Ku-Mahamud. Ku Ruhana Yasear, Shaymah Akram, Ku-Mahamud 0.69
Taxonomy of memory usage in swarm intelligenceIssue, 16(2):445–452, March 2019. swarm intelligence issue, 16(2):445–452, 2019年3月。 0.55
BAGHDAD SCIENCE JOURNAL, Special BAGHDAD学会特別研究員 0.55
based metaheuristics. メタヒューリスティックです 0.23
doi:10.21123/bsj.201 9.16.2(SI).0445. doi:10.21123/bsj.201 9.16.2(SI.0445) 0.41
Daniel Molina, Javier Poyatos, Javier Del Ser, Salvador García, Amir Hussain, and Francisco Herrera. Daniel Molina、Javier Poyatos、Javier Del Ser、Salvador García、Amir Hussain、Francisco Herrera。 0.70
Comprehensive taxonomies of nature- and bio-inspired optimization: Inspiration versus algorithmic behavior, critical analysis recommendations. 自然と生物にインスパイアされた最適化の包括的分類 : 吸気とアルゴリズム的行動、批判的分析勧告 0.62
Cognitive Computation, 2020. doi:10.1007/s12559-0 20-09730-8. 認知計算, 2020. doi:10.1007/s12559-0 20-09730-8 0.33
URL https://doi.org/10. URL https://doi.org/10。 0.58
1007/s12559-020-0973 0-8. 1007/s12559-020-0973 0-8。 0.28
Saman M. Almufti, Ridwan Boya Marqas, and Vaman Ashqi Saeed. Saman M. Almufti, Ridwan Boya Marqas, Vaman Ashqi Saeed 0.69
Taxonomy of bio-inspired optimization algorithms. バイオインスパイアされた最適化アルゴリズムの分類 0.63
ISSN 2227-4332. doi:10.14419/jacst.v 8i2.29402. ISSN 2227-4332. doi:10.14419/jacst.v 8i2.29402 0.28
URL https://www.sciencep ubco.com/index.php/J ACST/article/view/ 29402. URL https://www.sciencep ubco.com/index.php/J ACST/article/view/29 402。 0.32
Journal of Advanced Computer Science & Technology, 8(2):23–31, 2019. The Journal of Advanced Computer Science & Technology, 8(2):23–31, 2019 0.96
Abdelghani Bellaachia and Anasse Bari. Abdelghani BellaachiaとAnasse Bari。 0.79
Flock by leader: A novel machine learning biologically inspired clustering algorithm. flock by leader: 生物学的にインスパイアされた新しい機械学習アルゴリズム。 0.70
In Advances in Swarm Intelligence. ICSI 2012. 兵器知能の進歩。 2012年 ICSI。 0.60
Lecture Notes in Computer Science, volume 7332, pages 117–126, 06 2012. doi:10.1007/978-3-64 2-31020-1_15. computer science, volume 7332, pages 117–126, 06 2012 doi:10.1007/978-342- 31020-1_15 0.56
Sasan Harifi, Madjid Khalilian, Javad Mohammadzadeh, and Sadoullah Ebrahimnejad. Sasan Harifi, Madjid Khalilian, Javad Mohammadzadeh, Sadoullah Ebrahimnejad。 0.71
Emperor penguins colony: a 天皇ペンギンコロニー:a 0.64
new metaheuristic algorithm for optimization. 最適化のための新しいメタヒューリスティックアルゴリズム 0.62
Evolutionary Intelligence, 12(2):211–226, 2019. 進化の知性 12(2):211–226, 2019。 0.78
Ekrem Duman, Mitat Uysal, and Ali Fuat Alkaya. Ekrem Duman、Mitat Uysal、Ali Fuat Alkaya。 0.64
Migrating birds optimization: A new metaheuristic approach and its performance on quadratic assignment problem. migration birds optimization: 新しいメタヒューリスティックアプローチと二次代入問題におけるそのパフォーマンス。 0.81
Information Sciences, 217:65 – 77, 2012. 情報科学217:65 - 2012年77。 0.77
ISSN 0020-0255. ISSN 0020-0255。 0.72
13 13 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT doi:https://doi.org/ 10.1016/j.ins.2012.0 6.032. プレプリント doi:https://doi.org/ 10.1016/j.ins.2012.0 6.032 0.40
URL http://www.sciencedi rect.com/science/art icle/pii/ S0020025512004483. URL http://www.sciencedi rect.com/science/art icle/pii/ S0020025512004483 0.41
Junwei Wang and Dingwei Wang. ジュンワイ・ワンとジンワイ・ワン。 0.32
Particle swarm optimization with a leader and followers. リーダとフォロワによる particle swarm optimization 。 0.71
Progress in Natural ISSN 1002-0071. doi:https://doi.org/ 10.1016/j.pnsc.2008. 03.029. ISSN 1002-0071. doi:https://doi.org/ 10.1016/j.pnsc.2008. 03.029 0.40
URL Science, 18(11):1437 – 1443, 2008. http://www.sciencedi rect.com/science/art icle/pii/S1002007108 002712. URL Science, 18 11:1437 - 1443, 2008 http://www.sciencedi rect.com/science/art icle/pii/S100 2007108002712 0.73
Mehdi Neshat, Ghodrat Sepidnam, and Mahdi Sargolzaei. Mehdi Neshat、Ghodrat Sepidnam、Mahdi Sargolzaei。 0.68
Swallow swarm optimization algorithm: A new method to Swallow Swarm Optimizationアルゴリズム:新しい手法 0.61
optimization. Neural Computing and Applications, 23, 08 2012. doi:10.1007/s00521-0 12-0939-9. 最適化。 Neural Computing and Applications, 23 08 2012 doi:10.1007/s00521-0 12-0939-9。 0.62
Hao Wang, Zhuxi Zhang, Zhen Dai, Jun Chen, Xi Zhu, Wenbo Du, and Xianbin Cao. Hao Wang, Zhuxi Zhang, Zhen Dai, Jun Chen, Xi Zhu, Wenbo Du, Xianbin Cao 0.70
Heterogeneous pigeon-inspired Heterogenous pigeon-inspireed 0.66
optimization. Science China Information Sciences, 62(7):70205, 2019. 最適化。 science china information sciences, 62(7)70205, 2019。 0.73
Haibin Duan and Peixin Qiao. Haibin Duan と Peixin Qiao。 0.78
Pigeon-inspired optimization: A new swarm intelligence optimizer for air robot path planning. pigeon-inspired optimization: 航空ロボットの経路計画のための新しいswarm intelligenceオプティマイザ。 0.74
International Journal of Intelligent Computing and Cybernetics, 7:24–37, 03 2014. doi:10.1108/IJICC-02 2014-0005. International Journal of Intelligent Computing and Cybernetics, 7:24–37, 03 2014 doi:10.1108/IJICC-02 2014-0005。 0.58
J. Kennedy and R. Eberhart. J・ケネディとR・エバーハート。 0.43
Particle swarm optimization. In Proceedings of ICNN’95 - International Conference on 粒子群最適化。 ICNN'95に参加して 0.60
Neural Networks, volume 4, pages 1942–1948 vol.4, Nov 1995. doi:10.1109/ICNN.199 5.488968. Neural Networks, volume 4, 1942–1948 vol.4, Nov 1995. doi:10.1109/ICNN.199 5.488968 0.60
Xian-Bing Meng, X.Z. Xian-Bing Meng, X.Z。 0.67
Gao, Lihua Lu, Yu Liu, and Hengzhen Zhang. Gao, Lihua Lu, Yu Liu, and Hengzhen Zhang 0.72
A new bio-inspired optimisation algorithm: Bird swarm algorithm. 新しいバイオインスパイアされた最適化アルゴリズム:Bird Swarmアルゴリズム 0.78
Journal of Experimental & Theoretical Artificial Intelligence, 28(4):673–687, 2016. doi:10.1080/0952813X .2015.1042530. Journal of Experimental & theoretical Artificial Intelligence, 28(4):673–687, 2016 doi:10.1080/0952813X .2015.1042530 0.66
URL https://doi.org/10.1 080/0952813X.2015.10 42530. URL https://doi.org/10.1 080/0952813X.2015.10 42530 0.35
M. A. El-Dosuky, A. F. El-Bassiouny, T. T. Hamza, and M. Z. Rashad. M. A. El-Dosuky、A. F. El-Bassiouny、T. T. Hamza、M. Z. Rashad。 0.67
New hoopoe heuristic optimization. 新しいフープヒューリスティック最適化。 0.66
International Journal of Science and Advanced Technology, abs/1211.6410, 2012. 国際 Journal of Science and Advanced Technology, abs/1211.6410, 2012 0.81
Jiankai Xue and Bo Shen. Jiankai XueとBo Shen。 0.80
A novel swarm intelligence optimization approach: sparrow search algorithm. 新しいswarm intelligence optimizationアプローチ:sparrow searchアルゴリズム。 0.68
Systems Science & Control Engineering, 8(1):22–34, 2020. doi:10.1080/21642583 .2019.1708830. Systems Science & Control Engineering, 8(1):22–34, 2020. doi:10.1080/21642583 .2019.1708830 0.63
URL https://doi.org/ 10.1080/21642583.201 9.1708830. URL https://doi.org/ 10.1080/21642583.201 9.1708830 0.43
Xian-Bing Meng, Yu Liu, Xiaozhi Gao, and Hengzhen Zhang. Xian-Bing Meng, Yu Liu, Xiaozhi Gao, Hengzhen Zhang 0.73
A new bio-inspired algorithm: Chicken swarm optimization. 新しいバイオインスパイアされたアルゴリズム:チキンスワム最適化 0.72
In Advances in Swarm Intelligence. ICSI 2014. 兵器知能の進歩。 2014年 ICSI。 0.60
Lecture Notes in Computer Science, pages 86–94, 10 2014. doi:10.1007/978-3-31 9-11857-4_10. Lecture Notes in Computer Science, page 86–94, 10 2014 doi:10.1007/978-3-31 9-11857-4_10。 0.49
Alireza Askarzadeh. Alireza Askarzadeh 0.55
A novel metaheuristic method for solving constrained engineering optimization problems: Crow search algorithm. 制約のある工学的最適化問題を解決するための新しいメタヒューリスティックな手法:クロウ探索アルゴリズム 0.65
ISSN 00457949. doi:https://doi.org/ 10.1016/j.compstruc. 2016.03.001. ISSN 00457949. doi:https://doi.org/ 10.1016/j.compstruc. 2016.03.001 0.37
URL http://www.sciencedi rect.com/science/ article/pii/S0045794 916300475. URL http://www.sciencedi rect.com/science/ article/pii/S0045794 916300475 0.41
Computers & Structures, 169:1 – 12, 2016. Computers & Structures, 169:1–12 2016年。 0.93
Anthony Brabazon, Wei Cui, and Michael O’Neill. Anthony Brabazon、Wei Cui、Michael O’Neill。 0.69
The raven roosting optimisation algorithm. raven roosting 最適化アルゴリズム。 0.69
Soft Computing, 20(2): ソフトコンピューティング, 20(2) 0.65
525–545, 2016. 525–545, 2016. 0.84
Chiranjib Sur, Sanjeev Sharma, and A. Shukla. Chiranjib Sur、Sanjeev Sharma、A. Shukla。 0.74
Egyptian vulture optimization algorithm – a new nature inspired meta-heuristics for knapsack problem. エジプトのvulture optimizationアルゴリズム – ナップサック問題に対するメタヒューリスティックな新しい性質。 0.77
Advances in Intelligent Systems and Computing, 209 AISC:227–237, 01 2013. doi:10.1007/978-3-64 2-37371-8_26. Intelligent Systems and Computing, 209 AISC:227–237, 01 2013 doi:10.1007/978-3-64 2-37371-8_26。 0.50
Boris Almonacid and Ricardo Soto. ボリス・アルモナシドとリカルド・ソト 0.51
Andean condor algorithm for cell formation problems. 細胞形成問題に対するandean condorアルゴリズム 0.68
Natural Computing, 18(2): 自然計算,18(2) 0.62
351–381, 2019. 351–381, 2019. 0.84
Ali Asghar Heidari, Seyedali Mirjalili, Hossam Faris, Ibrahim Aljarah, Majdi Mafarja, and Huiling Chen. Ali Asghar Heidari, Seyedali Mirjalili, Hossam Faris, Ibrahim Aljarah, Majdi Mafarja, Huiling Chen 0.66
Harris hawks optimization: Algorithm and applications. Harris hawks Optimization: アルゴリズムと応用。 0.75
Future Generation Computer Systems, 97:849 – 872, 2019. Future Generation Computer Systems, 97:849 – 872, 2019。 0.96
ISSN 0167-739X. ISSN 0167-739X。 0.60
doi:https://doi.org/ 10.1016/j.future.201 9.02.028. doi:https://doi.org/ 10.1016/j.future.201 9.02.028 0.34
URL http://www.sciencedi rect.com/science/ article/pii/S0167739 X18313530. URL http://www.sciencedi rect.com/science/ article/pii/S0167739 X18313530 0.37
Emerson Hochsteiner de Vasconcelos Segundo, Viviana Cocco Mariani, and Leandro dos Santos Coelho. Emerson Hochsteiner de Vasconcelos Segundo, Viviana Cocco Mariani, Leandro dos Santos Coelho 0.68
Design of heat exchangers using falcon optimization algorithm. 設計 falcon最適化アルゴリズムを用いた熱交換器 0.63
Applied Thermal Engineering, 156:119 – 144, 2019. 応用熱工学、156:119 - 144, 2019。 0.84
H. A. Alsattar, A. H. A. Alsattar, A。 0.87
A. Zaidan, and B. A. Zaidan, B。 0.72
B. Zaidan. Novel meta-heuristic bald eagle search optimisation algorithm. B.ザイダン。 メタヒューリスティックなハゲワシ探索最適化アルゴリズム 0.56
Artificial Intelligence Review, 53(3):2237–2264, 2020. 人工物 インテリジェンス・レビュー, 53(3):2237–2264, 2020。 0.69
Xin-She Yang and Suash Deb. xin-she yangとsuash deb。 0.55
Eagle strategy using lévy walk and firefly algorithms for stochastic optimization. 確率最適化のためのフレビーウォークとフライフライアルゴリズムを用いたイーグル戦略 0.67
In Nature Inspired Cooperative Strategies for Optimization (NICSO 2010). In Nature Inspired Cooperative Strategies for Optimization (NICSO 2010)。 0.71
Studies in Computational Intelligence, volume 284, pages 101–111, 01 2010. doi:10.1007/978-3-64 2-12538-6_9. Computational Intelligence, volume 284, page 101–111, 01 2010 doi:10.1007/978-3-64 2-12538-6_9。 0.51
Ameer Tamoor Khan, Shuai Li, Predrag S. Stanimirovic, and Yinyan Zhang. Ameer Tamoor Khan、Shuai Li、Predrag S. Stanimirovic、Yinyan Zhang。 0.74
Model-free optimization using eagle eagleを用いたモデルフリー最適化 0.61
perching optimizer. perchingオプティマイザ。 0.44
CoRR, abs/1807.02754, 2018. CoRR, abs/1807.02754, 2018。 0.67
URL http://arxiv.org/abs /1807.02754. URL http://arxiv.org/abs /1807.02754 0.46
Youcef Gheraibia and Abdelouahab Moussaoui. Youcef GheraibiaとAbdelouahab Moussaoui。 0.77
Penguins search optimization algorithm (pesoa). Penguinsの検索最適化アルゴリズム(pesoa)。 0.84
In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), volume 7906 LNAI, pages 222–231, 06 2013. doi:10.1007/978-3-64 2-38577-3_23. コンピュータ科学の講義ノート(人工知能の講義ノートを含む)では、7906 LNAI, volume 222–231, 06 2013 doi:10.1007/978-3-64 2-38577-323。 0.65
14 14 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT X. Yang and Suash Deb. プレプリント X. Yang and Suash Deb 0.63
Cuckoo search via lévy flights. cuckoo search via lévy flights(英語) 0.71
In 2009 World Congress on Nature Biologically Inspired 2009年 生物に触発された自然に関する世界会議 0.60
Computing (NaBIC), pages 210–214, Dec 2009. doi:10.1109/NABIC.20 09.5393690. 計算 (NaBIC) 210–214, Dec 2009 doi:10.1109/NABIC.20 09.5393690。 0.53
Ramin Rajabioun. ラミン・ラジャビオウン 0.43
Cuckoo optimization algorithm. cuckoo最適化アルゴリズム。 0.82
Applied Soft Computing, 11(8):5508 – 5518, 2011. applied soft computing, 11(8):5508 – 5518, 2011 年。 0.86
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2011. 05.008. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2011. 05.008 0.36
URL http://www.sciencedi rect.com/science/ article/pii/S1568494 611001670. URL http://www.sciencedi rect.com/science/ article/pii/S1568494 611001670 0.41
Alireza Askarzadeh. Alireza Askarzadeh 0.55
Bird mating optimizer: An optimization algorithm inspired by bird mating strategies. 鳥類交配最適化アルゴリズム:鳥類交配戦略に触発された最適化アルゴリズム。 0.70
Communications in Nonlinear Science and Numerical Simulation, 19(4):1213 – 1228, 2014. 非線形科学と数値シミュレーションにおける通信, 19(4):1213–1228, 2014 0.91
ISSN 1007-5704. doi:https://doi.org/ 10.1016/j.cnsns.2013 .08.027. ISSN 1007-5704. doi:https://doi.org/ 10.1016/j.cnsns.2013 .08.027 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S100757041300377 8. URL http://www.sciencedi rect.com/science/art icle/ pii/S100757041300377 8 0.41
Mohamed Arezki Mellal and Edward J. Williams. モハメド・アレズキ・メラルとエドワード・J・ウィリアムズ。 0.57
Parameter optimization of advanced machining processes using cuckoo optimization algorithm and hoopoe heuristic. cuckoo最適化アルゴリズムとフーポエヒューリスティックを用いた高度な加工プロセスのパラメータ最適化 0.88
Journal of Intelligent Manufacturing, 27(5):927–942, 2016. Journal of Intelligent Manufacturing, 27(5):927–942, 2016 0.93
In 2015 Fourteenth Mexican International Conference on Artificial Intelligence (MICAI), pages 101–106, 2015. doi:10.1109/MICAI.20 15.22. 2015年の第14回メキシコ人工知能国際会議(MICAI)のページ101-106, 2015 doi:10.1109/MICAI.20 15.22。 0.59
R. Omidvar, H. Parvin, and F. Rad. R. Omidvar、H. Parvin、F. Rad。 0.89
Sspco optimization algorithm (see-see partridge chicks optimization). sspco最適化アルゴリズム(partridge chicks optimizationを参照)。 0.87
Seyyed Hamid Samareh Moosavi and Vahid Khatibi Bardsiri. シャイド・ハミド・サマレー・モオサヴィとヴァヒド・ハティビ・バルドシリ(Vahid Khatibi Bardsiri)。 0.55
Satin bowerbird optimizer: A new optimization algorithm to optimize anfis for software development effort estimation. Satin bowerbird Optimizationr: ソフトウェア開発の労力見積のために、Anfisを最適化するための新しい最適化アルゴリズム。 0.73
Engineering Applications of Artificial Intelligence, 60:1 – 15, 2017. Engineering Applications of Artificial Intelligence, 60:1–15 2017 0.80
ISSN 0952-1976. doi:https://doi.org/ 10.1016/j.engappai.2 017.01.006. ISSN 0952-1976. doi:https://doi.org/ 10.1016/j.engappai.2 017.01.006 0.36
URL http: //www.sciencedirect. com/science/article/ pii/S095219761730006 4. URL http: //www.sciencedirect. com/science/article/ pii/S0952 197617300064 0.33
Mu-Chun Su, Shi-Yong Su, and Yu-Xiang Zhao. Mu-Chun Su、Shi-Yong Su、Yu-Xiang Zhao。 0.66
A swarm-inspired projection algorithm. Swarmにインスパイアされたプロジェクションアルゴリズム。 0.48
Pattern Recognition, ISSN 0031-3203. doi:https://doi.org/ 10.1016/j.patcog.200 9.03.020. パターン認識, ISSN 0031-3203. doi:https://doi.org/ 10.1016/j.patcog.200 9.03.020 0.42
URL http: 42(11):2764 – 2786, 2009. URL http: 42(11):2764 – 2786, 2009. 0.89
//www.sciencedirect. com/science/article/ pii/S003132030900123 X. は、S003132030900123X。 0.22
Mohit Jain, Shubham Maurya, Asha Rani, and Vijander Singh. Mohit Jain、Shubham Maurya、Asha Rani、Vijander Singh。 0.68
Owl search algorithm: A novel nature-inspired heuristic Owl search algorithm: A novel nature-inspired heuristic 0.96
paradigm for global optimization. グローバル最適化のパラダイムです 0.80
Journal of Intelligent & Fuzzy Systems, 34:1573–1582, 03 2018. Journal of Intelligent & Fuzzy Systems, 34:1573–1582, 03 2018。 0.81
Gaurav Dhiman and Vijay Kumar. gaurav dhimanとvijay kumar。 0.68
Seagull optimization algorithm: Theory and its applications for largescale industrial engineering problems. シーゲル最適化アルゴリズム: 大規模産業工学問題に対する理論とその応用 0.79
Knowledge-Based Systems, 165:169 – 196, 2019. 知識ベースシステム, 165:169 – 196, 2019。 0.80
ISSN 0950-7051. doi:https://doi.org/ 10.1016/j.knosys.201 8.11.024. ISSN 0950-7051. doi:https://doi.org/ 10.1016/j.knosys.201 8.11.024 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S095070511830576 8. URL http://www.sciencedi rect.com/science/art icle/ pii/S095070511830576 8 0.41
Gaurav Dhiman and Amandeep Kaur. gaurav dhimanとamandeep kaur。 0.66
Stoa: A bio-inspired based optimization algorithm for industrial engineering Stoa: バイオインスパイアされた産業工学のための最適化アルゴリズム 0.71
problems. Engineering Applications of Artificial Intelligence, 82:148 – 174, 2019. 問題だ 人工知能の工学応用 82:148 – 174, 2019。 0.69
Li-Yeh Chuang, Sheng-Wei Tsai, and Cheng-Hong Yang. Li-Yeh Chuang、Sheng-Wei Tsai、Cheng-Hong Yang。 0.68
Improved binary particle swarm optimization using catfish effect for feature selection. キャットフィッシュ効果を用いた二成分粒子群最適化による特徴選択 0.78
Expert Systems with Applications, 38(10):12699 – 12707, 2011. アプリケーションを持つエキスパートシステム,38(10):12699 – 12707, 2011 0.79
ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2011. 04.057. ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2011. 04.057 0.35
URL http://www.sciencedi rect.com/science/art icle/ pii/S095741741100573 2. URL http://www.sciencedi rect.com/science/art icle/ pii/S095741741100573 2 0.41
X. Li and J. Qian. X. LiとJ. Qian。 0.84
Studies on artificial fish swarm optimization algorithm based on decomposition and coordination 分解と協調に基づく人工魚群最適化アルゴリズムに関する研究 0.77
techniques. Journal of Circuits and Systems, 1:1–6, 2003. テクニック。 Journal of Circuits and Systems, 1:1–6, 2003 0.74
Michael Hersovici, Michal Jacovi, Yoelle S. Maarek, Dan Pelleg, Menachem Shtalhaim, and Sigalit Ur. Michael Hersovici、Michal Jacovi、Yoelle S. Maarek、Dan Pelleg、Menachem Shtalhaim、Sigalit Ur。 0.73
The sharksearch algorithm. sharksearchアルゴリズム。 0.62
an application: tailored web site mapping. アプリケーション: カスタマイズされたWebサイトマッピング。 0.76
Computer Networks and ISDN Systems, 30(1):317 – 326, 1998. Computer Networks and ISDN Systems, 30(1):317 – 326, 1998 0.82
ISSN 0169-7552. doi:https://doi.org/ 10.1016/S0169-7552(9 8)00038-5. ISSN 0169-7552. doi:https://doi.org/ 10.1016/S0169-7552(9 8)00038-5 0.49
URL http://www.sciencedi rect. URL http://www.sciencedi rect.com 0.59
com/science/article/ pii/S016975529800038 5. S0169755298000385。 0.28
Proceedings of the Seventh International World Wide Web Conference. 第7回World Wide Web Conferenceに参加。 0.70
Oveis Abedinia, Nima Amjady, and Ali Ghasemi. Oveis Abedinia、Nima Amjady、Ali Ghasemi。 0.60
A new metaheuristic algorithm based on shark smell optimization. サメの匂いの最適化に基づく新しいメタヒューリスティックアルゴリズム 0.69
Complexity, 21(5):97–116, 2016. doi:10.1002/cplx.216 34. 21(5):97-116, 2016 doi:10.1002/cplx.216 34。 0.54
URL https://onlinelibrar y.wiley.com/doi/ abs/10.1002/cplx.216 34. URL https://onlinelibrar y.wiley.com/doi/ abs/10.1002/cplx.216 34 0.36
Daniel Zaldívar, Bernardo Morales, Alma Rodríguez, Arturo Valdivia-G, Erik Cuevas, and Marco Pérez-Cisneros. Daniel Zaldívar, Bernardo Morales, Alma Rodríguez, Arturo Valdivia-G, Erik Cuevas, Marco Pérez-Cisneros 0.90
A novel bio-inspired optimization model based on yellow saddle goatfish behavior. イエローサドルヤギ行動に基づくバイオインスパイアされた新しい最適化モデル 0.70
Biosystems, 174:1 – 21, 2018. バイオシステム174:1 - 2018年。 0.67
ISSN 0303-2647. doi:https://doi.org/ 10.1016/j.biosystems .2018.09.007. ISSN 0303-2647. doi:https://doi.org/ 10.1016/j.biosystems .2018.09.007 0.36
S. Shadravan, H.R. S.シャドラバン、H.R.。 0.47
Naji, and V.K. Bardsiri. ナジ、V.K。 Bardsiri 0.57
The sailfish optimizer: A novel nature-inspired metaheuristic algorithm for solving constrained engineering optimization problems. ヨットオプティマイザ:制約のあるエンジニアリング最適化問題を解決するために、自然に着想を得た新しいメタヒューリスティックアルゴリズム。 0.54
Engineering Applications of Artificial Intelligence, 80:20 – 34, 2019. 人工知能の工学応用 80:20 - 2019年 34。 0.73
ISSN 0952-1976. doi:https://doi.org/ 10.1016/j.engappai.2 019.01.001. ISSN 0952-1976. doi:https://doi.org/ 10.1016/j.engappai.2 019.01.001 0.35
URL http://www. URL http://www。 0.86
sciencedirect.com/sc ience/article/pii/S0 952197619300016. sciencedirect.com/sc ience/article/pii/s0 952 197619300016 0.24
Ehsan Jahani and Mohammad Chizari. Ehsan JahaniとMohammad Chizari。 0.77
Tackling global optimization problems with a novel algorithm – mouth brooding fish algorithm. グローバル最適化問題に新しいアルゴリズム - 口臭する魚のアルゴリズムで対処する。 0.84
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2017. 09.035. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2017. 09.035 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S156849461730574 4. URL http://www.sciencedi rect.com/science/art icle/ pii/S156849461730574 4 0.41
Applied Soft Computing, 62:987 – 1002, 2018. Applied Soft Computing, 62:987 – 1002, 2018。 0.94
15 15 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Ahmad Mozaffari, Alireza Fathi, and Saeed Behzadipour. プレプリント Ahmad Mozaffari, Alireza Fathi, Saeed Behzadipour 0.53
The great salmon run: a novel bio-inspired algorithm for artificial system design and optimisation. the great salmon run: 人工システムの設計と最適化のための新しいバイオインスパイアされたアルゴリズム。 0.73
International Journal of Bio-Inspired Computation (IJBIC), 4(5), 2012. doi:https://doi.org/ 10.1504/IJBIC.2012.0 49889. International Journal of Bio-Inspired Computation (IJBIC), 4(5), 2012 doi:https://doi.org/ 10.1504/IJBIC.2012.0 49889 0.73
M. C. Catalbas and A. Gulten. M. C. CatalbasとA. Gulten。 0.81
Circular structures of puffer fish: A new metaheuristic optimization algorithm. puffer fishの円形構造:新しいメタヒューリスティック最適化アルゴリズム 0.71
In 2018 Third International Conference on Electrical and Biomedical Engineering, Clean Energy and Green Computing (EBECEGC), pages 1–5, 2018. 2018年の第3回電気・バイオメディカルエンジニアリング・クリーンエネルギー・グリーンコンピューティング国際会議(EBECEGC)、1-5頁。 0.77
C. J. A. Bastos Filho, F. B. de Lima Neto, A. J. C. C. Lins, A. I. S. Nascimento, and M. P. Lima. c. j. A. Bastos Filho, F. B. de Lima Neto, A. J. C. C. Lins, A. I. S. Nascimento, M. P. Lima 0.84
A novel search algorithm based on fish school behavior. 魚学校の行動に基づく新しい探索アルゴリズム 0.62
In 2008 IEEE International Conference on Systems, Man and Cybernetics, pages 2646–2651, 2008. doi:10.1109/ICSMC.20 08.4811695. 2008年のIEEE International Conference on Systems, Man and Cybernetics, page 2646–2651, 2008 doi:10.1109/ICSMC.20 08.4811695。 0.63
M. Dorigo, V. Maniezzo, and A. Colorni. M. Dorigo、V. Maniezzo、A. Colorni。 0.91
Ant system: optimization by a colony of cooperating agents. Antシステム: 協調エージェントのコロニーによる最適化。 0.80
IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), 26(1):29–41, Feb 1996. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), 26(1):29–41, Feb 1996 0.85
ISSN 1083-4419. doi:10.1109/3477.484 436. ISSN 1083-4419. doi:10.1109/3477.484 436 0.38
Marco Dorigo. Marco Dorigo 0.59
Optimization, Learning and Natural Algorithms. 最適化、学習、自然アルゴリズム。 0.78
PhD thesis, Politecnico di Milano, Milano, Italia, イタリア,ミラノ,ミラノ,ミラノ,ミラノ,ミラノの博士論文 0.48
1992. Xin-She Yang, Janet M. Lees, and Chris T. Morley. 1992. ジン=シェ・ヤン、ジャネット・m・リーズ、クリス・t・モーリー。 0.62
Application of virtual ant algorithms in the optimization of cfrp shear strengthened precracked structures. cfrpせん断補強プレクラック構造物の最適化における仮想アントアルゴリズムの適用 0.83
In Vassil N. Alexandrov, Geert Dick van Albada, Peter M. A. Sloot, and Jack Dongarra, editors, Computational Science – ICCS 2006, pages 834–837, Berlin, Heidelberg, 2006. Vassil N. Alexandrov, Geert Dick van Albada, Peter M. A. Sloot, Jack Dongarra, editors, Computational Science – ICCS 2006 page 834–837, Berlin, Heidelberg, 2006 0.84
Springer Berlin Heidelberg. ベルリン・ハイデルベルク出身。 0.62
ISBN 978-3-540-34380-6. ISBN 978-3-540-34380-6。 0.38
Saman Almufti and Awaz Shaban. Saman AlmuftiとAwaz Shaban。 0.78
U-turning ant colony algorithm for solving symmetric traveling salesman problem. 対称走行セールスマン問題を解決するための u-turning ant colony アルゴリズム 0.71
Academic Journal of Nawroz University, 7(4):45–49, 2018. Academic Journal of Nawroz University, 7(4):45–49, 2018 0.93
ISSN 2520-789X. ISSN 2520-789X。 0.61
doi:10.25007/ajnu.v7 n4a270. doi:10.25007/ajnu.v7 n4a270。 0.21
URL http://journals.nawr oz.edu.krd/index.php /ajnu/article/view/2 70. URL http://journals.nawr oz.edu.krd/index.php /ajnu/article/view/2 70。 0.27
Seyedali Mirjalili. Seyedali Mirjalili 0.52
The ant lion optimizer. ant lionオプティマイザ。 0.72
Advances in Engineering Software, 83:80 – 98, 2015a. 83:80 – 98, 2015a エンジニアリングソフトウェアの発展。 0.88
ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2015.01.010. ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2015.01.010 0.39
URL http://www.sciencedi rect.com/science/ article/pii/S0965997 815000113. URL http://www.sciencedi rect.com/science/ article/pii/S0965997 815000113 0.41
R. Hedayatzadeh, F. Akhavan Salmassi, M. Keshtgari, R. Akbari, and K. Ziarati. R. Hedayatzadeh、F. Akhavan Salmassi、M. Keshtgari、R. Akbari、K. Ziarati。 0.79
Termite colony optimization: A novel approach for optimizing continuous problems. シロアリコロニー最適化:継続的な問題を最適化するための新しいアプローチ。 0.62
In 2010 18th Iranian Conference on Electrical Engineering, pages 553–558, 2010. 2010年、第18回イラン電気工学会議、553-558頁。 0.73
Adamu Murtala Zungeru, Li-Minn Ang, and Kah Phooi Seng. Adamu Murtala Zungeru, Li-Minn Ang, Kah Phooi Seng 0.74
Termite-hill: Performance optimized swarm intelligence based routing algorithm for wireless sensor networks. termite-hill: 無線センサネットワーク用に最適化されたswarm intelligenceベースのルーティングアルゴリズム。 0.66
Journal of Network and Computer Applications, 35(6):1901 – 1917, 2012. Journal of Network and Computer Applications, 35(6):1901 – 1917, 2012 0.82
ISSN 1084-8045. doi:https://doi.org/ 10.1016/j.jnca.2012. 07.014. ISSN 1084-8045. doi:https://doi.org/ 10.1016/j.jnca.2012. 07.014 0.36
URL http://www.sciencedi rect. URL http://www.sciencedi rect.com 0.59
com/science/article/ pii/S108480451200166 X. S108480451 200166X.com/science/ article/pii/S1084804 51 200166X。 0.12
D. Pham, Afshin Ghanbarzadeh, Ebubekir Ko, Sameh Otri, Sahra Rahim, and Mb Zaidi. D. Pham、Afshin Ghanbarzadeh、Ebubekir Ko、Sameh Otri、Sahra Rahim、Mb Zaidi。 0.67
The bees algorithm technical ミツバチアルゴリズムの技術 0.62
note. Manufacturing Engineering Centre, Cardiff University, UK, pages 1–57, 09 2005. 注意。 英カーディフ大学製造工学センター、2005年1-57頁、09頁。 0.60
Sascha Häckel and Patrick Dippold. Sascha HäckelとPatrick Dippold。 0.80
The bee colony-inspired algorithm (bcia): A two-stage approach for solving the vehicle routing problem with time windows. bee colony-inspired algorithm (bcia) - タイムウインドウで車両の経路問題を解決する2段階アプローチ。 0.77
In Proceedings of the 11th Annual Conference on Genetic and Evolutionary Computation, GECCO ?09, pages 25–32, New York, NY, USA, 2009. 第11回年次遺伝子・進化計算会議(英語版)において、gecco ?09, pages 25-32, new york, ny, usa, 2009)が開催されている。
訳抜け防止モード: 第11回遺伝・進化計算年会に参加して GECCO ?09, page 25–32, New York, NY, 2009年、アメリカ。
0.68
Association for Computing Machinery. アソシエーション・フォー・コンピューティング・マシンズ(Association for Computing Machinery)の略。 0.36
ISBN 9781605583259. doi:10.1145/1569901. 1569906. ISBN 9781605583259. doi:10.1145/1569901. 1569906 0.45
URL https://doi.org/10.1 145/1569901. URL https://doi.org/10.1 145/1569901。 0.40
1569906. Salim Bitam, Sherali Zeadally, and Abdelhamid Mellouk. 1569906. salim bitam氏、sherali zeadally氏、abdelhamid mellouk氏。 0.73
Fog computing job scheduling optimization based on bees ミツバチを用いたフォグコンピューティングジョブスケジューリング最適化 0.51
swarm. Enterprise Information Systems, 12:1–25, 04 2017. doi:10.1080/17517575 .2017.1304579. スウォーム Enterprise Information Systems, 12:1–25, 04 2017 doi:10.1080/17517575 .2017.1304579 0.44
Duˇsan Teodoroviíc. 通称テドロヴィチ(Teodoroviíc)。 0.33
Bee colony optimization (BCO), volume 248, chapter 3, pages 39–60. Bee Colon Optimization (BCO), volume 248, chapter 3, page 39–60。 0.81
Springer, 10 2009. 2009年10月10日発売。 0.29
doi:10.1007/978-3-64 2-04225-6_3. doi:10.1007/978-3-64 2-04225-6_3。 0.17
Nicanor Quijano and Kevin Passino. ニカノール・キヤノとケビン・パッシーノ。 0.49
Honey bee social foraging algorithms for resource allocation: Theory and application. ハチは資源割当のための社会的捕食アルゴリズム:理論と応用。 0.75
Engineering Applications of Artificial Intelligence, 23:845–861, 09 2010. doi:10.1016/j.engapp ai.2010.05.004. 人工知能工学応用23:845–861, 09 2010 doi:10.1016/j.engapp ai.2010.05.004 0.47
Sunil Nakrani and Craig Tovey. Sunil NakraniとCraig Tovey。 0.79
On honey bees and dynamic server allocation in internet hosting centers. インターネットホスティングセンターにおけるミツバチと動的サーバ割り当てについて 0.68
Adaptive Behavior, 12(3-4):223–240, 2004. doi:10.1177/10597123 0401200308. Adaptive Behavior, 12(3-4):223–240, 2004. doi:10.1177/10597123 0401200308. 0.61
URL https://doi.org/10.1 177/ 105971230401200308. URL https://doi.org/10.1 177/1059712304012003 08 0.53
Tomoya Sato and Masafumi Hagiwara. 佐藤友也、畠原正文。 0.37
Bee system: Finding solution by a concentrated search. Bee System: 集中検索による解を見つける。 0.75
Proceedings of the IEEE International Conference on Systems, Man and Cybernetics, 4:3954–3959, December 1997. IEEE International Conference on Systems, Man and Cybernetics, 4:3954–3959, December 1997 に参加。 0.94
ISSN 0884-3627. ISSN 0884-3627。 0.70
Proceedings of the 1997 IEEE International Conference on Systems, Man, and Cybernetics. 1997年IEEE International Conference on Systems, Man, and Cybernetics に参加。 0.75
Part 3 (of 5) ; Conference date: 12-10-1997 Through 15-10-1997. 第3部(第5部)会議日:12-10-1997 - 15-10-1997 0.56
R. D. Maia, L. N. d. Castro, and W. M. Caminhas. R. D. Maia、L. N. d. Castro、W. M. Caminhas。 0.78
Optbees - a bee-inspired algorithm for solving continuous optimization problems. Optbees - 継続的な最適化問題を解決するための、蜂にインスパイアされたアルゴリズム。 0.48
In 2013 BRICS Congress on Computational Intelligence and 11th Brazilian Congress on Computational Intelligence, pages 142–151, 2013. 2013年、BRICS Congress on Computational Intelligence and 11th Brazil Congress on Computational Intelligence, page 142–151, 2013。 0.93
16 16 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT H. A. Abbass. プレプリント H. A. Abbass 0.71
Mbo: marriage in honey bees optimization-a haplometrosis polygynous swarming approach. mbo: ミツバチの最適化における結婚-ハプロメトロシス多関節スウォーミングアプローチ 0.64
In Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. 2001年の進化計算会議(IEEE Cat)の開催。 0.66
No.01TH8546), volume 1, pages 207–214 vol. No.01TH8546), Volume 1, page 207–214 vol. 0.77
1, 2001. Sung Hoon Jung. 1, 2001. Sung Hoon Jung 0.75
Queen-bee evolution for genetic algorithms. 遺伝的アルゴリズムの女王蜂進化 0.69
Electronics Letters, 39(6):575–576, 2003. Electronics Letters, 39(6):575-576, 2003 0.94
Xin-She Yang. xin-she yang氏。 0.45
Engineering optimization via nature-inspired virtual bee algorithms. 自然に触発された仮想ミツバチアルゴリズムによる工学的最適化 0.51
In Artificial Intelligence and Knowledge Engineering Applications: A bioinspired Approach. 人工知能と知識工学の応用:バイオインスパイアされたアプローチ。 0.76
IWINAC 2005, pages 317–323. 2005年317-323頁。 0.62
Lecture Notes in Computer Science, 6 2005. doi:10.1007/11499305 _33. 講演ノート in Computer Science, 6 2005. doi:10.1007/11499305 _33 0.60
Seyedali Mirjalili. Seyedali Mirjalili 0.52
Dragonfly algorithm: a new meta-heuristic optimization technique for solving single-objective, dragonflyアルゴリズム:単一目的を解決する新しいメタヒューリスティック最適化手法 0.79
discrete, and multi-objective problems. 離散的、多目的的な問題。 0.52
Neural Computing and Applications, 27(4):1053–1073, 2016. Neural Computing and Applications, 27(4):1053–1073, 2016 0.92
Wen-Tsao Pan. Wen-Tsao Pan 0.78
A new fruit fly optimization algorithm: Taking the financial distress model as an example. 新しいフルーツフライ最適化アルゴリズム:金融危機モデルを例にとる。 0.62
KnowledgeISSN 0950-7051. doi:https://doi.org/ 10.1016/j.knosys.201 1.07.001. ナレッジISSN 0950-7051. doi:https://doi.org/ 10.1016/j.knosys.201 1.07.001 0.33
URL Based Systems, 26:69 – 74, 2012. http://www.sciencedi rect.com/science/art icle/pii/S0950705111 001365. URL Based Systems, 26:69 – 74, 2012 http://www.sciencedi rect.com/science/art icle/pii/S0950705111 001365 0.68
M. M. al-Rifaie. M.M. al-Rifaie 0.65
Dispersive flies optimisation. In 2014 Federated Conference on Computer Science and Information 分散ハエの最適化 2014年度のコンピュータ科学・情報国際会議 0.63
Systems, pages 529–538, 2014. システムズ、2014年529-538頁。 0.64
Jean-Paul M. Arnaout. Jean-Paul M. Arnaout 0.80
Worm optimization: A novel optimization algorithm inspired by c. elegans. Worm Optimization: c. elegansにインスパイアされた新しい最適化アルゴリズム。 0.80
In Proceedings of the 2014 International Confer-ence on Industrial Engineering and Operations Management, pages 2499–2505, 2014. 2014年産業工学・運用管理国際会議(International Confer-ence on Industrial Engineering and Operations Management, 2499–2505, 2014)の成果。
訳抜け防止モード: 2014年度国際会議における産業工学・運用管理の取り組み 2499-2505頁、2014年。
0.74
A. Kumar, R. K. Misra, and D. Singh. A. Kumar、R. K. Misra、D. Singh。 0.87
Butterfly optimizer. バタフライオプティマイザ。 0.33
In 2015 IEEE Workshop on Computational Intelligence: 2015年ieee workshop on computational intelligence: 0.72
Theories, Applications and Future Directions (WCI), pages 1–6, 2015. Theories, Applications and Future Directions (WCI) 2015年1-6ページ。 0.83
Sankalap Arora and Satvir Singh. sankalap aroraとsatvir singh。 0.54
Butterfly optimization algorithm: a novel approach for global optimization. 蝶最適化アルゴリズム:グローバル最適化のための新しいアプローチ。 0.82
Soft Computing, 03 2018a. 柔らかくて 2018年、03頁。 0.58
doi:10.1007/s00500-0 18-3102-4. doi:10.1007/s00500-0 18-3102-4。 0.20
Xiangbo Qi, Yunlong Zhu, and Hao Zhang. Xiangbo Qi, Yunlong Zhu, Hao Zhang 0.58
A new meta-heuristic butterfly-inspired algorithm. メタヒューリスティック蝶インスパイアされた新しいアルゴリズム 0.62
Journal of Computational Journal of Computational 0.85
Science, 23, 06 2017. doi:10.1016/j.jocs.2 017.06.003. Science, 23 06 2017 doi:10.1016/j.jocs.2 017.06.003。 0.44
Sankalap Arora and Satvir Singh. sankalap aroraとsatvir singh。 0.54
Butterfly optimization algorithm: a novel approach for global optimization. 蝶最適化アルゴリズム:グローバル最適化のための新しいアプローチ。 0.82
Soft Computing, 03 2018b. 柔らかくて 計算、03 2018b。 0.72
doi:10.1007/s00500-0 18-3102-4. doi:10.1007/s00500-0 18-3102-4。 0.20
Xiangyuan Jiang and Shuai Li. Xiangyuan JiangとShuai Li。 0.75
BAS: beetle antennae search algorithm for optimization problems. BAS: 最適化問題に対するビートルアンテナ探索アルゴリズム。 0.84
CoRR, abs/1710.10724, 2017. CoRR abs/1710.10724, 2017 0.56
URL http://arxiv.org/abs /1710.10724. URL http://arxiv.org/abs /1710.10724 0.46
Nikos Ath. Kallioras, Nikos D. Lagaros, and Dimitrios N. Avtzis. ニコス・アス。 Kallioras、Nikos D. Lagaros、Dimitrios N. Avtzis。 0.68
Pity beetle algorithm: A new metaheuristic inspired by the behavior of bark beetles. pity beetle algorithm: 樹皮甲虫の行動に触発された新しいメタヒューリスティック。 0.72
Advances in Engineering Software, 121:147–166, 2018. ソフトウェア工学の進歩 121:147–166, 2018 0.84
ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2018.04.007. ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2018.04.007 0.39
URL https://www.scienced irect.com/science/ article/pii/S0965997 817305239. URL https://www.scienced irect.com/science/ article/pii/S0965997 817305239 0.41
J. Yang, T. Chen, Peng Wang, Zhouquan Zhu, and Shuai Huang. J. Yang, T. Chen, Peng Wang, Zhouquan Zhu, Shuai Huang 0.78
Seven-spot ladybird optimization: A novel and efficient セブン・スポット・レディバード最適化:新鮮で効率的 0.53
metaheuristic algorithm for numerical optimization. 数値最適化のためのメタヒューリスティックアルゴリズム 0.62
The Scientific World Journal, 2013:378515, 2013. The Scientific World Journal, 2013:378515, 2013 0.91
Xin-She Yang. xin-she yang氏。 0.45
Firefly algorithms for multimodal optimization. マルチモーダル最適化のためのfireflyアルゴリズム。 0.66
In Stochastic Algorithms: Foundations and Applications. In Stochastic Algorithms: Foundations and Applications 0.70
SAGA 2009. Lecture Notes in Computer Science, volume 5792, pages 169–178, 03 2010. doi:10.1007/978-3-64 204944-6_14. 2009年。 コンピュータ科学の講義ノート 5792, page 169–178, 03 2010 doi:10.1007/978-3-64 204944-6_14。 0.61
Daniel Oliveira, Rafael Parpinelli, and Heitor Lopes. Daniel Oliveira、Rafael Parpinelli、Heitor Lopes。 0.68
Bioluminescent Swarm Optimization Algorithm, chapter 5. 生物発光群最適化アルゴリズム, 第5章 0.79
InTech, 04 2011. InTech 04 2011. 0.66
ISBN 978-953-307-171-8. doi:10.5772/15989. ISBN 978-953-307-171-8. doi:10.5772/15989 0.30
Erik Cuevas, Miguel Cienfuegos, Daniel Zaldívar, and Marco Pérez-Cisneros. Erik Cuevas、Miguel Cienfuegos、Daniel Zaldívar、Marco Pérez-Cisneros。 0.82
A swarm optimization algorithm inspired in the behavior of the social-spider. ソーシャルスパイダーの挙動にインスパイアされたSwarm最適化アルゴリズム 0.72
Expert Systems with Applications, 40(16):6374 – 6384, 2013. エキスパート・システムズ (expert systems with applications, 40(16)6374 – 6384, 2013)。 0.75
ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2013. 05.041. ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2013. 05.041. 0.35
URL http://www.sciencedi rect.com/science/art icle/ pii/S095741741300339 4. URL http://www.sciencedi rect.com/science/art icle/ pii/S095741741300339 4 0.41
James J.Q. James J.Q. 0.78
Yu and Victor O.K. ユーとヴィクター・o・k 0.43
Li. A social spider algorithm for global optimization. Li グローバル最適化のためのソーシャルスパイダーアルゴリズム。 0.64
Applied Soft Computing, 30:614 – 627, 2015. Applied Soft Computing, 30:614 – 627, 2015 0.90
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2015. 02.014. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2015. 02.014 0.36
URL http://www.sciencedi rect. URL http://www.sciencedi rect.com 0.59
com/science/article/ pii/S156849461500105 2. S1568494615001052。 0.30
Vahideh Hayyolalam and Ali Asghar Pourhaji Kazem. Vahideh HayyolalamとAli Asghar Pourhaji Kazem。 0.76
Black widow optimization algorithm: A novel metaheuristic approach for solving engineering optimization problems. Black widow Optimization Algorithm: 工学最適化問題を解決する新しいメタヒューリスティックアプローチ。 0.82
Engineering Applications of Artificial Intelligence, 87:103249, 2020. doi:https://doi.org/ 10.1016/j.engappai.2 019.103249. 人工知能の工学応用 87:103249, 2020. doi:https://doi.org/ 10.1016/j.engappai.2 019.103249 0.49
URL http://www.sciencedi rect.com/science/art icle/pii/S0952197619 302283. URL http://www.sciencedi rect.com/science/art icle/pii/S0952 1976 19302283 0.30
ISSN 0952-1976. ISSN 0952-1976 0.84
Pedro Pinto, Thomas Runkler, and J. Sousa. ペドロ・ピント、トーマス・ランクラー、J・スーサ。 0.45
Wasp swarm optimization of logistic systems, pages 264–267. Wasp Swarm Optimization of logistic system, page 264–267。 0.92
Springer, 01 Springer, 01 0.85
2005. doi:10.1007/3-211-27 389-1_63. 2005年:10.1007/3-211-27389 -1_63。 0.23
J. Meyer and S. W. Wilson. J・メイヤーとS・W・ウィルソン。 0.52
Task differentiation in Polistes wasp colonies: a model for self-organizing groups of robots, polistes waspコロニーにおけるタスクの分化:ロボットの自己組織化グループのためのモデル 0.76
pages 346–355. IEEE, 1991. 346-355頁。 1991年、IEEE。 0.64
17 17 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT K. N. Krishnanand and D. Ghose. プレプリント K.N.KrishnanandとD.Ghose。 0.61
Glowworm swarm optimization for simultaneous capture of multiple local optima of マルチローカルオプティマ同時捕獲のためのグローワーム群最適化 0.66
multimodal functions. マルチモーダル関数。 0.68
Swarm Intelligence, 3(2):87–124, 2009. Swarm Intelligence, 3(2):87–124, 2009 0.94
Shahrzad Saremi, Seyedali Mirjalili, and Andrew Lewis. Shahrzad Saremi、Seyedali Mirjalili、Andrew Lewis。 0.67
ory and application. oryとアプリケーション。 0.76
doi:https://doi.org/ 10.1016/j.advengsoft .2017.01.004. doi:https://doi.org/ 10.1016/j.advengsoft .2017.01.004 0.34
article/pii/S0965997 816305646. 記事/pii/S09659978163056 46 0.43
Advances in Engineering Software, 105:30 – 47, 2017. Advanceds in Engineering Software, 105:30 – 47, 2017 0.81
Grasshopper optimisation algorithm: グラスホッパー最適化アルゴリズム 0.73
TheISSN 0965-9978. 0965-9978。 0.68
URL http://www.sciencedi rect.com/science/ URL http://www.sciencedi rect.com/science/ 0.42
S. Chen. Locust swarms - a new multi-optima search technique. S. Chen locust swarms - 新しいマルチオプティマ検索技術。 0.70
In 2009 IEEE Congress on Evolutionary Computation, 2009年、IEEE Congress on Evolutionary Computation に参加。 0.70
pages 1745–1752, 2009a. 1745-1752頁。 0.59
T. C. Havens, C. J. Spain, N. G. Salmon, and J. M. Keller. T・C・ヘイブンズ、C・J・スペイン、N・G・サーモン、J・M・ケラー。 0.52
Roach infestation optimization. ゴキブリ感染の最適化。 0.49
In 2008 IEEE Swarm 2008年IEEE Swarm 0.67
Intelligence Symposium, pages 1–7, Sept 2008. doi:10.1109/SIS.2008 .4668317. インテリジェンスシンポジウム, page 1–7, Sept 2008 doi:10.1109/SIS.2008 .4668317 0.50
P. Agarwal, V. Bhatnagar, S. Balochian, Y. Zhang, I. C. Obagbuwa, and A. O. Adewumi. P. Agarwal, V. Bhatnagar, S. Balochian, Y. Zhang, I. C. Obagbuwa, A. O. Adewumi 0.90
An improved cockroach swarm optimization. ゴキブリ群最適化の改良。 0.72
The Scientific World Journal, 2014:375358, 2014. doi:10.1155/2014/375 358. the scientific world journal, 2014:375358, 2014 doi:10.1155/2014/375 358 0.61
URL https: //doi.org/10.1155/20 14/375358. URL https: //doi.org/10.1155/20 14/375358 0.41
Gai-Ge Wang, Suash Deb, and Zhihua Cui. Gai-Ge Wang、Suash Deb、Zhihua Cui。 0.78
Monarch butterfly optimization. Monarch Butterflyの最適化。 0.76
Neural Computing and Applications, 05 ニューラルコンピューティングと応用, 05 0.67
2015. doi:10.1007/s00521-0 15-1923-y. 2015年:10.1007/s00521-015- 1923-y。 0.25
Murat Canayaz and Ali Karci. ムラト・カナヤズとアリ・カルチ 0.37
Cricket behaviour-based evolutionary computation technique in solving engineering 工学におけるクリケット行動に基づく進化的計算手法 0.68
optimization problems. Applied Intelligence, 44, 08 2015. doi:10.1007/s10489-0 15-0706-6. 最適化の問題 Applied Intelligence, 44, 08 2015 doi:10.1007/s10489-0 15-0706-6。 0.60
Yannis Marinakis, Magdalene Marinaki, and Nikolaos Matsatsinis. Yannis Marinakis、Magdalene Marinaki、Nikolaos Matsatsinis。 0.63
A hybrid bumble bees mating optimization - grasp algorithm for clustering. ハイブリッドバンブルミツバチ交配最適化 - クラスタリングのための把持アルゴリズム。 0.69
In Proceedings of the 4th International Conference on Hybrid Artificial Intelligence Systems, HAIS ?09, page 549?556, Berlin, Heidelberg, 2009. The 4th International Conference on Hybrid Artificial Intelligence Systems, HAIS ?09, page 549?556, Berlin, Heidelberg, 2009 に参加して 0.85
Springer-Verlag. Springer-Verlag 0.81
ISBN 9783642023187. doi:10.1007/978-3642 -02319-4_66. ISBN 9783642023187. doi:10.1007/978-3642 -02319-4_66 0.31
URL https://doi.org/10.1 007/978-3-642-02319- 4_66. URL https://doi.org/10.1 007/978-3-642-02319- 4_66 0.28
Konstantinos Zervoudakis and Stelios Tsafarakis. Konstantinos ZervoudakisとStelios Tsafarakis。 0.74
A mayfly optimization algorithm. Mayfly最適化アルゴリズム。 0.66
Computers & Industrial EnISSN 0360-8352. doi:https://doi.org/ 10.1016/j.cie.2020.1 06559. Computers & Industrial EnISSN 0360-8352. doi:https://doi.org/ 10.1016/j.cie.2020.1 06559 0.46
URL https: URL https: 0.85
gineering, 145:106559, 2020. ギネリング 145:106559, 2020。 0.79
//www.sciencedirect. com/science/article/ pii/S036083522030293 X. 詳細はwww.sciencedirect.co m/science/article/pi i/s036083522030293x。 0.16
Xiang Feng, Xiaoting Liu, and Huiqun Yu. Xiang Feng, Xiaoting Liu, Huiqun Yu 0.60
Group mosquito host-seeking algorithm. グループ蚊宿主探索アルゴリズム。 0.78
Applied Intelligence, 44, 11 2015. インテリジェンス、2015年11月11日。 0.49
doi:10.1007/s10489-0 15-0718-2. doi:10.1007/s10489-0 15-0718-2。 0.20
Fayyaz ul Amir Afsar Minhas and Muhammad Arif. Fayyaz ul Amir Afsar MinhasとMuhammad Arif。 0.80
Mox: A novel global optimization algorithm inspired from oviposition site selection and egg hatching inhibition in mosquitoes. Mox: 蚊の排卵部位選択と卵の羽化抑制に触発された新しいグローバル最適化アルゴリズム。 0.74
Applied Soft Computing, 11(8):4614 – 4625, 2011. applied soft computing, 11(8):4614 – 4625, 2011年。 0.85
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2011. 07.020. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2011. 07.020 0.36
URL http://www.sciencedi rect.com/ science/article/pii/ S156849461100281X. URL http://www.sciencedi rect.com/ science/article/pii/ S156849461100281X 0.39
M. Alauddin. M. Alauddin 0.79
Mosquito flying optimization (mfo). モスキート飛行最適化(mfo)。 0.68
In 2016 International Conference on Electrical, Electronics, and 2016年の電気・エレクトロニクス・国際会議において 0.82
Optimization Techniques (ICEEOT), pages 79–84, 2016. Optimization Techniques (ICEEOT), page 79–84, 2016 0.82
Dervis Karaboga and Bahriye Basturk. Dervis Karaboga と Bahriye Basturk の略。 0.76
A powerful and efficient algorithm for numerical function optimization: artificial bee colony (abc) algorithm. 数値関数最適化のための強力で効率的なアルゴリズム:人工蜂コロニー(abc)アルゴリズム 0.88
Journal of Global Optimization, 39(3):459–471, Nov 2007. Journal of Global Optimization, 39(3):459–471, Nov 2007 0.91
ISSN 1573-2916. doi:10.1007/s10898-0 07-9149-x. ISSN 1573-2916. doi:10.1007/s10898-0 07-9149-x 0.27
URL https://doi.org/10.1 007/s10898-007-9149- x. URL https://doi.org/10.1 007/s10898-007-9149- x 0.31
Mario Andres Munoz Acosta, Jesus Lopez, and Eduardo Caicedo Bravo. マリオ・アンドレス・ムノス・アコスタ、イエス・ロペス、エドゥアルド・カイセド・ブラボ。 0.46
An artificial beehive algorithm for continuous 連続のための人工ミツバチアルゴリズム 0.75
optimization. International Journal of Intelligent Systems, 24:1080–1093, 11 2009. doi:10.1002/int.2037 6. 最適化。 International Journal of Intelligent Systems, 24:1080–1093, 11 2009 doi:10.1002/int.2037 6。 0.64
Horst Wedde, Muddassar Farooq, and Yue Zhang. Horst Wedde, Muddassar Farooq, Yue Zhang 0.59
Beehive: An efficient fault-tolerant routing algorithm inspired by honey bee behavior. beehive: ミツバチの行動にインスパイアされた、効率的なフォールトトレラントルーティングアルゴリズム。 0.61
In Ant Colony Optimization and Swarm Intelligence. Ant Colony OptimizationとSwarm Intelligence。 0.70
ANTS 2004. Lecture Notes in Computer Science, pages 83–94, 09 2004. doi:10.1007/978-3-54 0-28646-2_8. 2004年。 Lecture Notes in Computer Science, page 83–94, 09 2004. doi:10.1007/978-3-54 0-28646-2_8. 0.56
Seyedali Mirjalili. Seyedali Mirjalili 0.52
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm. moth-flame optimization algorithm: 新しい自然に触発されたヒューリスティックパラダイム。 0.60
KnowledgeBased Systems, 89:228 – 249, 2015b. Knowledge Based Systems, 89:228 – 249, 2015b。 0.78
ISSN 0950-7051. doi:https://doi.org/ 10.1016/j.knosys.201 5.07.006. ISSN 0950-7051. doi:https://doi.org/ 10.1016/j.knosys.201 5.07.006 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/S0950705115 002580. URL http://www.sciencedi rect.com/science/art icle/pii/S0950705115 002580 0.35
Xin She Yang and Amir Hossein Gandomi. xin she yang と amir hossein gandomi。 0.49
Bat algorithm: a novel approach for global engineering optimization. batアルゴリズム:グローバルエンジニアリング最適化のための新しいアプローチ。 0.86
Engineering Computations, 29:464–483, 2012. doi:10.1108/02644401 211235834. 工学計算、29:464–483, 2012 doi:10.1108/02644401 212235834。 0.43
Behnam Malakooti, Hyun Kim, and Shaya Sheikh. Behnam Malakooti、Hyun Kim、Shaya Sheikh。 0.66
Bat intelligence search with application to multi-objective multiprocessor scheduling optimization. 多目的マルチプロセッサスケジューリング最適化へのバットインテリジェンス検索の適用 0.84
The International Journal of Advanced Manufacturing Technology, 60, 06 2011. doi:10.1007/s00170-0 11-3649-z. The International Journal of Advanced Manufacturing Technology, 60, 06 2011 doi:10.1007/s00170-0 11-3649-z 0.59
Mohammed Ali Tawfeeq. Mohammed Ali Tawfeeq 0.63
Intelligent algorithm for optimum solutions based on the principles of bat sonar. バットソナーの原理に基づく最適解のインテリジェントアルゴリズム 0.57
CoRR, abs/1211.0730, 2012. CoRR abs/1211.0730, 2012 0.56
URL http://arxiv.org/abs /1211.0730. URL http://arxiv.org/abs /1211.0730。 0.43
C. Subramanian, A.S.S. C. Subramanian, A.S.S. 0.64
Sekar, and K. Subramanian. sekarとk. subramanian。 0.60
A new engineering optimization method: African wild dog 新しい工学的最適化手法:アフリカ野生犬 0.81
algorithm. International Journal of Soft Computing, 8:163–170, 01 2013. doi:10.3923/ijscomp. 2013.163.170. アルゴリズム。 International Journal of Soft Computing, 8:163–170, 01 2013 doi:10.3923/ijscomp. 2013.163.170。 0.60
18 18 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Rafat Alshorman. プレプリント ラファト・アルショーマン。 0.41
A new efficient meta-heuristic optimization algorithm inspired by wild dog packs. 野生犬の群れにインスパイアされた新しい効率的なメタヒューリスティック最適化アルゴリズム 0.62
International journal of Hybrid information technology, 7:83–100, 11 2014. doi:10.14257/ijhit.2 014.7.6.07. 国際 journal of hybrid information technology, 7:83–100, 11 2014 doi:10.14257/ijhit.2 014.7.6.07。 0.62
Gaurav Dhiman and Vijay Kumar. gaurav dhimanとvijay kumar。 0.68
Spotted hyena optimizer: A novel bio-inspired based metaheuristic technique for engineering applications. spotted hyena optimizer: 工学応用のための新しいバイオインスパイアベースのメタヒューリスティック技術。 0.72
Advances in Engineering Software, 114:48 – 70, 2017. Advanceds in Engineering Software, 114:48 – 70, 2017 0.82
ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2017.05.014. ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2017.05.014 0.39
URL http://www.sciencedi rect.com/science/ article/pii/S0965997 816305567. URL http://www.sciencedi rect.com/science/ article/pii/S0965997 816305567 0.41
Juliano Pierezan, Gabriel Maidl, Eduardo Massashi Yamao, Leandro dos Santos Coelho, and Viviana Cocco Mariani. Juliano Pierezan, Gabriel Maidl, Eduardo Massashi Yamao, Leandro dos Santos Coelho, Viviana Cocco Mariani 0.71
Cultural coyote optimization algorithm applied to a heavy duty gas turbine operation. 重質ガスタービン運転におけるカルチャーコヨーテ最適化アルゴリズムの適用 0.68
Energy Conversion and Management, 199:111932, 2019. エネルギー変換と管理、199:111932, 2019。 0.82
ISSN 0196-8904. doi:https://doi.org/ 10.1016/j.enconman.2 019.111932. ISSN 0196-8904. doi:https://doi.org/ 10.1016/j.enconman.2 019.111932 0.38
URL http://www.sciencedi rect.com/science/art icle/pii/S0196890419 309239. url http://www.sciencedi rect.com/science/art icle/pii/s0196890419 309239。 0.31
J. Pierezan and L. Dos Santos Coelho. J. PierezanとL. Dos Santos Coelho。 0.92
Coyote optimization algorithm: A new metaheuristic for global optimization コヨーテ最適化アルゴリズム:グローバル最適化のための新しいメタヒューリスティック 0.64
problems. In 2018 IEEE Congress on Evolutionary Computation (CEC), pages 1–8, 2018. 問題だ 2018年、IEEE Congress on Evolutionary Computation (CEC)が1-8ページで発表した。 0.67
Seyedali Mirjalili, Seyed Mohammad Mirjalili, and Andrew Lewis. Seyedali Mirjalili、Seyed Mohammad Mirjalili、Andrew Lewis。 0.68
Grey wolf optimizer. グレイウルフオプティマイザ。 0.26
Advances in Engineering Software, 69:46 – 61, 2014. 69:46 - 61, 2014 エンジニアリングソフトウェアの発展 0.74
ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2013.12.007. ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2013.12.007 0.36
URL http: //www.sciencedirect. com/science/article/ pii/S096599781300185 3. URL http: //www.sciencedirect. com/science/article/ pii/S096599781300185 3 0.35
C.-Y Liu, X.-H Yan, and H. Wu. C.-Y Liu, X.-H Yan, H. Wu 0.86
The wolf colony algorithm and its application. ウルフコロニーアルゴリズムとその応用 0.46
Chinese Journal of Electronics, 20: China Journal of Electronics, 20(英語) 0.75
212–216, 04 2011. 212–216, 04 2011. 0.88
C. Yang, X. Tu, and J. Chen. C. Yang、X. Tu、J. Chen。 0.90
Algorithm of marriage in honey bees optimization based on the wolf pack search. ウルフパック探索に基づくミツバチの最適化における結婚のアルゴリズム 0.65
In The 2007 International Conference on Intelligent Pervasive Computing (IPC 2007), pages 462–467, 2007. では 2007 International Conference on Intelligent Pervasive Computing (IPC 2007), page 462–467, 2007 0.71
R. Tang, S. Fong, X. Yang, and S. Deb. R. Tang, S. Fong, X. Yang, S. Deb 0.92
Wolf search algorithm with ephemeral memory. 一時記憶を持つウルフ探索アルゴリズム。 0.65
In Seventh International セブンス・インターナショナルでは 0.59
Conference on Digital Information Management (ICDIM 2012), pages 165–172, 2012. デジタル情報管理に関する会議 (icdim 2012) 165–172ページ、2012年。 0.86
Maziar Yazdani and Fariborz Jolai. Maziar YazdaniとFariborz Jolai。 0.79
Lion Optimization Algorithm (LOA): A nature-inspired metaheuristic alISSN 2288-5048. ライオン最適化アルゴリズム(LOA):自然に着想を得たメタヒューリスティックalISSN 2288-5048。 0.62
Journal of Computational Design and Engineering, 3(1):24–36, 06 2015. gorithm. Journal of Computational Design and Engineering, 3(1):24–36, 06 2015。 0.86
doi:10.1016/j.jcde.2 015.06.003. doi:10.1016/j.jcde.2 015.06.003。 0.20
URL https://doi.org/10.1 016/j.jcde.2015.06.0 03. URL https://doi.org/10.1 016/j.jcde.2015.06.0 03 0.31
C. Chen, Y. Tsai, I. Liu, C. Lai, Y. Yeh, S. Kuo, and Y. Chou. C. Chen, Y. Tsai, I. Liu, C. Lai, Y. Yeh, S. Kuo, Y. Chou 0.95
A novel metaheuristic: Jaguar algorithm with learning behavior. 新たなメタヒューリスティック:学習行動を伴うジャガーアルゴリズム。 0.66
In 2015 IEEE International Conference on Systems, Man, and Cybernetics, pages 1595–1600, 2015. doi:10.1109/SMC.2015 .282. 2015年のIEEE International Conference on Systems, Man, and Cybernetics, page 1595–1600, 2015 doi:10.1109/SMC.2015 .282。 0.67
M Goudhaman. M Goudhaman 0.56
Cheetah chase algorithm (cca): a nature-inspired metaheuristic algorithm. cheetah chase algorithm (cca): 自然に触発されたメタヒューリスティックなアルゴリズム。 0.69
International Journal of Engineering & Technology, 7(3):1804–1811, 2018. International Journal of Engineering & Technology, 7(3):1804–1811, 2018 0.90
ISSN 2227-524X. ISSN 2227-524X。 0.60
doi:10.14419/ijet.v7 i3.18.14616. doi:10.14419/ijet.v7 i3.18.14616 0.19
URL https://www.sciencep ubco.com/index.php/i jet/article/view/146 16. URL https://www.sciencep ubco.com/index.php/i jet/article/view/146 16。 0.29
Shu-Chuan Chu, Pei-wei Tsai, and Jeng-Shyang Pan. 周忠(しゅうちゅうちゅう)、Pei-wei Tsai、Jeng-Shyang Pan。 0.48
Cat swarm optimization. In Qiang Yang and Geoff Webb, editors, PRICAI 2006: Trends in Artificial Intelligence, pages 854–858, Berlin, Heidelberg, 2006. 猫群最適化。 Qiang Yang and Geoff Webb, editors, PRICAI 2006: Trends in Artificial Intelligence, page 854–858, Berlin, Heidelberg, 2006 0.77
Springer Berlin Heidelberg. ベルリン・ハイデルベルク出身。 0.62
ISBN 978-3-540-36668-3. ISBN 978-3-540-36668-3 0.41
Bo Wang, XiaoPing Jin, and Bo Cheng. Bo Wang, XiaoPing Jin, Bo Cheng 0.59
Lion pride optimizer: An optimization algorithm inspired by lion pride behavior. lion pride optimizer: lion pride behaviorにインスパイアされた最適化アルゴリズム。 0.89
Science China Information Sciences, 55(10):2369–2389, 2012. 中国科学情報科学会, 55(10):2369–2389, 2012 0.86
Dawid Połap and Marcin Wozniak. Dawid PołapとMarcin Wozniak。 0.70
Polar bear optimization algorithm: Meta-heuristic with fast population movement ホッキョクグマ最適化アルゴリズム:個体群移動の速いメタヒューリスティック 0.76
and dynamic birth and death mechanism. ダイナミックな誕生と死のメカニズムです 0.73
Symmetry, 9:203, 09 2017. doi:10.3390/sym91002 03. 対称性 9:203, 09 2017 doi:10.3390/sym91002 03。 0.45
S. Zangbari Koohi, N. A. W. Abdul Hamid, M. Othman, and G. Ibragimov. S. Zangbari Koohi, N. A. W. Abdul Hamid, M. Othman, G. Ibragimov 0.91
Raccoon optimization algorithm. アライグマ最適化アルゴリズム。 0.75
IEEE Access, 7:5383–5399, 2019. IEEE 出典: 7:5383–5399, 2019。 0.70
Hong Man, Julius Beneoluchi Odili, and Mohd Nizam Mohmad Kahar. ホンマン、Julius Beneoluchi Odili、Mohd Nizam Mohmad Kahar。 0.56
Solving the traveling salesman’s problem using 旅行セールスマンの問題を解決する 0.52
the african buffalo optimization. アフリカバッファローの最適化。 0.82
Computational Intelligence and Neuroscience, 2016:1510256, 2016. Computational Intelligence and Neuroscience, 2016:1510256, 2016 0.91
Anezka Kazikova, Michal Pluhacek, Roman Senkerik, and Adam Viktorin. Anezka Kazikova、Michal Pluhacek、Roman Senkerik、Adam Viktorin。 0.62
Proposal of a New Swarm Optimization Method Inspired in Bison Behavior: Proceedings of 23rd International Conference on Soft Computing (MENDEL 2017) Held in Brno, Czech Republic, June 20-22, 2017, pages 146–156. バイソン行動にインスパイアされた新しい群最適化手法の提案:第23回ソフトコンピューティング国際会議(MENDEL 2017)の成果 チェコのブルノにて2017年6月20-22日, 2017年6月146–156頁。 0.73
Springer, 01 2019. 2019年1月1日発売。 0.27
ISBN 978-3-319-97887-1. doi:10.1007/978-3-31 9-97888-8_13. ISBN 978-3-319-97887-1. doi:10.1007/978-3-31 9-97888-8_13 0.20
Ramzy Ali. Novel optimization algorithm inspired by camel traveling behavior. ラムジー・アリ。 ラクダ走行行動にインスパイアされた新しい最適化アルゴリズム 0.59
Iraq J. Electrical and Electronic イラクJ。 電気と電子 0.68
Engineering, 12:167–177, 01 2016. 12:167-177, 01 2016。 0.53
G. Wang, S. Deb, and L. d. S. Coelho. G. Wang、S. Deb、L. D. S. Coelho。 0.81
Elephant herding optimization. エレファントシェディング最適化。 0.50
In 2015 3rd International Symposium on 2015年第3回国際シンポジウム報告 0.67
Computational and Business Intelligence (ISCBI), pages 1–5, 2015. Computational and Business Intelligence (ISCBI) 2015年1-5頁。 0.82
S. Deb, S. Fong, and Z. Tian. S. Deb、S. Fong、Z. Tian。 0.87
Elephant search algorithm for optimization problems. 最適化問題に対するエレファント探索アルゴリズム 0.74
In 2015 Tenth International 2015年 第10回国際会議 0.53
Conference on Digital Information Management (ICDIM), pages 249–255, 2015. デジタル情報管理に関する国際会議(icdim)、2015年249-255頁。 0.74
19 19 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Mohit Jain, Vijander Singh, and Asha Rani. プレプリント Mohit Jain、Vijander Singh、Asha Rani。 0.57
A novel nature-inspired algorithm for optimization: Squirrel search algorithm. 自然に着想を得た新しい最適化アルゴリズム:リス探索アルゴリズム 0.77
ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2018 .02.013. ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2018 .02.013 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021730522 9. URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021730522 9 0.41
Swarm and Evolutionary Computation, 44:148 – 175, 2019. Swarm and Evolutionary Computation, 44:148 – 175, 2019 0.87
Farid Miarnaeimi, Gholamreza Azizyan, Naser Shabakhty, and Mohsen Rashki. Farid Miarnaeimi、Gholamreza Azizyan、Naser Shabakhty、Mohsen Rashki。 0.63
Flying squirrel optimizer (fso): A novel si-based optimization algorithm for engineering problems. flying squirrel optimizer (fso): エンジニアリング問題に対する新しいsiベースの最適化アルゴリズム。 0.91
Iranian Journal of Optimization, 11:177–205, 12 2019. イランのJournal of Optimization, 11:177–205, 12 2019。 0.73
Ahmed S. Shamsaldin, Tarik A. Rashid, Rawan A. Al-Rashid Agha, Nawzad K. Al-Salihi, and Mokhtar Mohammadi. Ahmed S. Shamsaldin, Tarik A. Rashid, Rawan A. Al-Rashid Agha, Nawzad K. Al-Salihi, Mokhtar Mohammadi 0.87
Donkey and smuggler optimization algorithm: A collaborative working approach to path finding. Donkey と smuggler 最適化アルゴリズム: 経路探索のための協調作業手法。 0.79
Journal of Computational Design and Engineering, 6(4):562 – 583, 2019. journal of computational design and engineering, 6(4):562 – 583, 2019を参照。 0.87
O˘guz FINDIK. Bull optimization algorithm based on genetic operators for continuous optimization problems. 通称FINDIK。 連続最適化問題に対する遺伝的演算子に基づくブル最適化アルゴリズム 0.70
TURKISH JOURNAL OF ELECTRICAL ENGINEERING & COMPUTER SCIENCES, 23:2225–2239, 01 2015. doi:10.3906/elk1307- 123. TURKISH JOURNAL of Electrical ENGINEERING & Computer SCIENCEs, 23:2225–2239, 01 2015 doi:10.3906/elk1307- 123。 0.58
Amir Mohammad Fathollahi-Fard, Mostafa Hajiaghaei-Keshteli, and Reza Tavakkoli-Moghaddam. Amir Mohammad Fathollahi-Fard、Mostafa Hajiaghaei-Keshteli、Reza Tavakkoli-Moghaddam。 0.70
Red deer algorithm レッド鹿アルゴリズム 0.66
(rda): a new nature-inspired meta-heuristic. (rda):新しい自然に触発されたメタヒューリスティック。 0.64
Soft Computing, 2020. ソフトコンピューティング、2020年。 0.79
A. Kaveh and N. Farhoudi. A. KavehとN. Farhoudi。 0.84
A new optimization method: Dolphin echolocation. 新しい最適化方法:イルカエコーロケーション。 0.54
Advances in Engineering Software, 59:53 – 70, 2013. Advanceds in Engineering Software, 59:53 – 70, 2013 0.82
ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2013.03.004. ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2013.03.004 0.36
URL http://www. URL http://www。 0.86
sciencedirect.com/sc ience/article/pii/S0 965997813000318. sciencedirect.com/sc ience/article/pii/s0 965997813000318 0.26
Jianqiang Zhao, Kao Ge, , and Kangyao Xu. Jianqiang Zhao, Kao Ge, およびKangyao Xu。 0.68
A heuristic algorithm based on leadership strategy: Leader of dolphin herd algorithm (ldha). リーダーシップ戦略に基づくヒューリスティックアルゴリズム:イルカ群れアルゴリズム(ldha)のリーダー。 0.65
Journal of Advanced Computational Intelligence and Intelligent Informatics, 19(4):491–499, 2015. doi:10.20965/jaciii. 2015.p0491. Journal of Advanced Computational Intelligence and Intelligent Informatics, 19(4):491–499, 2015 doi:10.20965/jaciii. 2015.p0491 0.69
Y. Shiqin, J. Jianjun, and Y. Guangxing. Y. Shiqin, J. Jianjun, Y. Guangxing 0.87
A dolphin partner optimization. イルカのパートナー最適化。 0.70
In 2009 WRI Global Congress on Intelligent 2009年WRI国際知的会議に参加して 0.61
Systems, volume 1, pages 124–128, May 2009. doi:10.1109/GCIS.200 9.464. システムズ, volume 1, page 124–128, May 2009 doi:10.1109/GCIS.200 9.464 0.60
A. Serani and M. Diez. A.SeraniとM.Dez。 0.79
Dolphin pod optimization - a nature-inspired deterministic algorithm for simulation-based design. イルカのポッド最適化 - シミュレーションに基づく設計のための自然に触発された決定論的アルゴリズム。 0.51
In MOD. Machine Learning, Optimization, and Big Data: Second International Workshop, MOD 2017. modで。 機械学習、最適化、ビッグデータ: 第2回国際ワークショップ、MOD 2017 0.63
Springer International Publishing., 2017. 2017年、国際出版。 0.56
Seyedali Mirjalili and Andrew Lewis. Seyedali MirjaliliとAndrew Lewis。 0.79
The whale optimization algorithm. クジラの最適化アルゴリズム。 0.73
Advances in Engineering Software, 95:51 – 67, 2016. Advanceds in Engineering Software, 95:51 – 67, 2016 0.84
ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2016.01.008. ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2016.01.008 0.36
URL http://www.sciencedi rect. URL http://www.sciencedi rect.com 0.59
com/science/article/ pii/S096599781630016 3. S0965997816300163。 0.46
A. Ebrahimi and E. Khamehchi. A. EbrahimiとE. Khamehchi。 0.86
Sperm whale algorithm: An effective metaheuristic algorithm for production optimization problems. Sperm whaleアルゴリズム:生産最適化問題に対する効果的なメタヒューリスティックアルゴリズム。 0.77
Journal of Natural Gas Science and Engineering, 29:211 – 222, 2016. Journal of Natural Gas Science and Engineering, 29:211 – 222, 2016 0.87
ISSN 1875-5100. doi:https://doi.org/ 10.1016/j.jngse.2016 .01.001. ISSN 1875-5100. doi:https://doi.org/ 10.1016/j.jngse.2016 .01.001 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S187551001630001 4. URL http://www.sciencedi rect.com/science/art icle/ pii/S187551001630001 4 0.41
Totok R. Biyanto, Matradji, Sonny Irawan, Henokh Y. Febrianto, Naindar Afdanny, Ahmad H. Rahman, Kevin S. Gunawan, Januar A.D. Pratama, and Titania N. Bethiana. Totok R. Biyanto, Matradji, Sonny Irawan, Henokh Y. Febrianto, Naindar Afdanny, Ahmad H. Rahman, Kevin S. Gunawan, Januar A.D. Pratama, Titania N. Bethiana 0.99
Killer whale algorithm: An algorithm inspired by the life of killer whale. キラークジラアルゴリズム:キラークジラの生命に触発されたアルゴリズム。 0.51
Procedia Computer Science, 124:151–157, 2017. Procedia Computer Science, 124:151–157, 2017。 0.77
ISSN 1877-0509. doi:https://doi.org/ 10.1016/j.procs.2017 .12.141. ISSN 1877-0509. doi:https://doi.org/ 10.1016/j.procs.2017 .12.141 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S187705091732909 5. URL http://www.sciencedi rect.com/science/art icle/ pii/S187705091732909 5 0.41
4th Information Systems International Conference 2017, ISICO 2017, 6-8 November 2017, Bali, Indonesia. 第4回情報システム国際会議 2017 isico 2017年11月6日-8日バリ,インドネシア 0.78
Jagdish Chand Bansal, Harish Sharma, Shimpi Singh Jadon, and Maurice Clerc. Jagdish Chand Bansal, Harish Sharma, Shimpi Singh Jadon, Maurice Clerc 0.69
Spider monkey optimization algorithm for numerical optimization. 数値最適化のためのスパイダー猿最適化アルゴリズム 0.72
Memetic Computing, 6(1):31–47, 2014. doi:10.1007/s12293-0 13-0128-0. Memetic Computing, 6(1):31–47, 2014 doi:10.1007/s12293-0 13-0128-0。 0.49
URL https://doi.org/10.1 007/s12293-013-0128- 0. URL https://doi.org/10.1 007/s12293-013-0128- 0。 0.29
Maha Mahmood and Belal Al-Khateeb. マハームードとベラル・アル=カテブ。 0.40
The blue monkey: A new nature inspired metaheuristic optimization algorithm. the blue monkey: メタヒューリスティック最適化アルゴリズムにインスパイアされた新しい性質。 0.66
Periodicals of Engineering and Natural Sciences (PEN), 7:1054–1066, 09 2019. The periodicals of Engineering and Natural Sciences (PEN) 7:1054–1066, 09 2019。 0.87
Avinash Sharma, Akshay Sharma, B.K. Avinash Sharma, Akshay Sharma, B.K 0.91
Panigrahi, Deep Kiran, and Rajesh Kumar. Panigrahi、Deep Kiran、Rajesh Kumar。 0.61
Ageist spider monkey optimization algorithm. エイジスト・スパイダーモンの最適化アルゴリズム。 0.54
ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2016 .01.002. ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2016 .01.002 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021600012 2. URL http://www.sciencedi rect.com/science/art icle/ pii/S221065021600012 2 0.41
Swarm and Evolutionary Computation, 28:58 – 77, 2016. Swarm and Evolutionary Computation, 28:58 – 77, 2016 0.89
M. Khishe and M.R. M.KhisheとM.R。 0.71
Mosavi. Chimp optimization algorithm. Mosavi チップ最適化アルゴリズム。 0.61
Expert Systems with Applications, 149:113338, 2020. Expert Systems with Applications, 149:113338, 2020 0.88
ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2020. 113338. ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2020. 113338 0.38
URL https://www.scienced irect.com/ science/article/pii/ S0957417420301639. URL https://www.scienced irect.com/ science/article/pii/ S0957417420301639 0.41
T. Chen, Y. Wang, L. Pang, W. Jia, Z. Liu, and X. Wei. T. Chen, Y. Wang, L. Pang, W. Jia, Z. Liu, X. Wei 0.95
Artificial tribe algorithm for solving constrained optimization problems. 制約付き最適化問題の解法のための人工部族アルゴリズム 0.71
In 2010 IEEE International Conference on Intelligent Computing and Intelligent Systems, volume 2, pages 179–182, 2010. 2010年、IEEE International Conference on Intelligent Computing and Intelligent Systems, Volume 2, page 179–182, 2010。 0.88
20 20 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Arit Thammano and Jittraporn Moolwong. プレプリント Arit ThammanoとJittraporn Moolwong。 0.63
A new computational intelligence technique based on human group formation. 新しい計算法 人間の集団形成に基づく知性技術。 0.72
ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2009. 06.046. ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2009. 06.046. 0.35
URL http://www.sciencedi rect.com/science/art icle/ pii/S095741740900606 X. URL http://www.sciencedi rect.com/science/art icle/ pii/S095741740900606 X 0.39
Expert Systems with Applications, 37(2):1628 – 1634, 2010. Expert Systems with Applications, 37(2):1628 – 1634, 2010 0.81
L. M. Zhang, C. Dahlmann, and Y. Zhang. l. m. zhang、c. dahlmann、y. zhang。 0.57
Human-inspired algorithms for continuous function optimization. 連続関数最適化のための人間にインスパイアされたアルゴリズム。 0.52
In 2009 IEEE International Conference on Intelligent Computing and Intelligent Systems, volume 1, pages 318–321, 2009. 2009年、ieee international conference on intelligent computing and intelligent systems, volume 1, pages 318–321, 2009。 0.84
L. Ashby R. Yampolskiy and L. Hassan. L. Ashby R. YampolskiyとL. Hassan。 0.83
Wisdom of artificial crowds? 人工的な群衆の知恵? 0.68
a metaheuristic algorithm for optimization. 最適化のためのメタヒューリスティックアルゴリズムです 0.59
Journal of Intelligent Learning Systems and Applications, 4(2):98–107, 2012. doi:10.4236/jilsa.20 12.42009. Journal of Intelligent Learning Systems and Applications, 4(2):98–107, 2012 doi:10.4236/jilsa.20 12.42009 0.69
Mohammad Taherdangkoo, Mohammad Hossein Shirzadi, Mehran Yazdi, and Mohammad Hadi Bagheri. Mohammad Taherdangkoo、Mohammad Hossein Shirzadi、Mehran Yazdi、Mohammad Hadi Bagheri。 0.63
A robust clustering method based on blind, naked mole-rats (bnmr) algorithm. ブラインドで裸のモルラット(bnmr)アルゴリズムに基づくロバストクラスタリング法 0.60
Swarm and Evolutionary Computation, 10:1 – 11, 2013. Swarm and Evolutionary Computation, 10:1–11 2013 0.81
ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2013 .01.001. ISSN 2210-6502. doi:https://doi.org/ 10.1016/j.swevo.2013 .01.001 0.36
URL http://www.sciencedi rect. URL http://www.sciencedi rect.com 0.59
com/science/article/ pii/S221065021300003 5. S2210650213000035。 0.30
Ahmed Al-Obaidi, Hasanen Abdullah, and Zied Othman. Ahmed Al-Obaidi, Hasanen Abdullah, Zied Othman 0.75
Meerkat clan algorithm: A new swarm intelligence algorithm. Meerkat clan algorithm: 新しいSwarm Intelligence algorithm。 0.75
Indonesian Journal of Electrical Engineering and Computer Science, 10, 04 2018. インドネシアのJournal of Electrical Engineering and Computer Science, 10, 04 2018。 0.79
Carlos Eduardo Klein and Leandro dos Santos Coelho. カルロス・エドゥアルド・クライン(Carlos Eduardo Klein)とレアンドロ・ドス・サントス・コエルホ(Leandro dos Santos Coelho)。 0.35
Meerkats-inspired algorithm for global optimization problems. Meerkatsにインスパイアされたグローバル最適化問題のアルゴリズム。 0.57
In ESANN, pages 679–684, 2018. ESANN、2018年679-684頁。 0.72
Antonio Mucherino and Onur Seref. antonio mucherinoとonur seref。 0.68
Monkey search: a novel metaheuristic search for global optimization. monkey search: グローバル最適化のための新しいメタヒューリスティック検索。 0.73
AIP Conference Proceedings, 953(1):162–173, 2007. doi:10.1063/1.281733 8. AIP Conference Proceedings, 953(1):162–173, 2007 doi:10.1063/1.281733 8 0.63
URL https://aip.scitatio n.org/ doi/abs/10.1063/1.28 17338. URL https://aip.scitatio n.org/doi/abs/10.106 3/1.2817338 0.34
Rohit Salgotra and Urvinder Singh. Rohit SalgotraとUrvinder Singh。 0.79
The naked mole-rat algorithm. 裸のmole-ratアルゴリズム。 0.67
Neural Computing and Applications, 31(12): ニューラルコンピューティングと応用 : 31(12) 0.61
8837–8857, 2019. 8837–8857, 2019. 0.84
Gai-Ge Wang, Xiao-Zhi Gao, Kai Zenger, and Leandro Coelho. Gai-Ge Wang, Xiao-Zhi Gao, Kai Zenger, Leandro Coelho 0.87
A novel metaheuristic algorithm inspired by rhino herd behavior. rhino herd行動に触発された新しいメタヒューリスティックアルゴリズム 0.68
In Proceedings of The 9th EUROSIM Congress on Modelling and Simulation, EUROSIM 2016, The 57th SIMS Conference on Simulation and Modelling SIMS 2016, pages 1026–1033, 12 2018. doi:10.3384/ecp17142 1026. The 9th EUROSIM Congress on Modelling and Simulation, EUROSIM 2016 The 57th SIMS Conference on Simulation and Modelling SIMS 2016 page 1026–1033, 12 2018. doi:10.3384/ecp17142 1026 0.95
K. Nara, T. Takeyama, and Hyungchul Kim. K. Nara、T. Takeyama、Hyungchul Kim。 0.85
A new evolutionary algorithm based on sheep flocks heredity model and its application to scheduling problem. 羊の遺伝モデルに基づく新しい進化的アルゴリズムとそのスケジューリング問題への応用 0.74
In IEEE SMC’99 Conference Proceedings. IEEE SMC'99 Conference Proceedingsに登場。 0.81
1999 IEEE International Conference on Systems, Man, and Cybernetics (Cat. 1999年ieee international conference on systems, man, and cybernetics (cat) 参加。 0.77
No.99CH37028), volume 6, pages 503–508 vol.6, 1999. No.99CH37028), volume 6, page 503–508 vol.6, 1999。 0.73
Mohammad Mahdi Motevali, Ali Mohammadi Shanghooshabad, Reza Zohouri Aram, and Hamidreza Keshavarz. Mohammad Mahdi Motevali, Ali Mohammadi Shanghooshabad, Reza Zohouri Aram, Hamidreza Keshavarz 0.67
Who: A new evolutionary algorithm bio-inspired by wildebeests with a case study on bank customer segmentation. Who: 新しい進化的アルゴリズムは、野獣にヒントを得たもので、銀行の顧客セグメンテーションに関するケーススタディがある。 0.55
International Journal of Pattern Recognition and Artificial Intelligence, 33(05):1959017, 2019. International Journal of Pattern Recognition and Artificial Intelligence, 33(05): 1959017, 2019 0.83
Adel Eesa, Adnan Mohsin Abdulazeez, and Zeynep Orman. Adel Eesa, Adnan Mohsin Abdulazeez, Zeynep Orman 0.64
Cuttlefish algorithm : A novel bio-inspired optimization カトルフィッシュアルゴリズム : 新しいバイオインスパイアされた最適化 0.71
algorithm. International Journal of Scientific & Engineering Research, 4:1978–1986, 06 2013. アルゴリズム。 International Journal of Scientific & Engineering Research, 4: 1978–1986, 06 2013 0.81
Amir Hossein Gandomi and Amir Hossein Alavi. Amir Hossein GandomiとAmir Hossein Alavi。 0.78
Krill herd: A new bio-inspired optimization algorithm. Krill herd: 新しいバイオインスパイアされた最適化アルゴリズム。 0.72
Communications in Nonlinear Science and Numerical Simulation, 17(12):4831 – 4845, 2012. 非線形科学と数値シミュレーションにおけるコミュニケーション : 17(12):4831 - 4845, 2012 0.88
ISSN 1007-5704. doi:https://doi.org/ 10.1016/j.cnsns.2012 .05.010. ISSN 1007-5704. doi:https://doi.org/ 10.1016/j.cnsns.2012 .05.010 0.36
URL http://www.sciencedi rect.com/science/art icle/ pii/S100757041200217 1. URL http://www.sciencedi rect.com/science/art icle/ pii/S100757041200217 1 0.41
Jing An, Qi Kang, Lei Wang, and Qidi Wu. Jing An, Qi Kang, Lei Wang, Qidi Wu 0.62
Mussels wandering optimization: An ecologically inspired algorithm for mussels wandering optimization: 生態にインスパイアされたアルゴリズム 0.87
global optimization. Cognitive Computation, 5(2):188–199, 2013. グローバル最適化。 認知計算, 5(2):188–199, 2013。 0.75
Seyedali Mirjalili, Amir H. Gandomi, Seyedeh Zahra Mirjalili, Shahrzad Saremi, Hossam Faris, and Seyed Mohammad Mirjalili. Seyedali Mirjalili, Amir H. Gandomi, Seyedeh Zahra Mirjalili, Shahrzad Saremi, Hossam Faris, Seyed Mohammad Mirjalili。 0.80
Salp swarm algorithm: A bio-inspired optimizer for engineering design problems. Salp Swarmアルゴリズム: 工学設計問題に対するバイオインスパイアされた最適化アルゴリズム。 0.69
Advances in Engineering Software, 114:163 – 191, 2017. ソフトウェア工学の進歩 114:163 - 191, 2017 0.71
ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2017.07.002. ISSN 0965-9978. doi:https://doi.org/ 10.1016/j.advengsoft .2017.07.002 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/S0965997816 307736. URL http://www.sciencedi rect.com/science/art icle/pii/S0965997816 307736 0.35
Chun-Wei Tsai, S. Salcedo-Sanz, J. Del Ser, I. Landa-Torres, S. Gil-López, and J. Chun-Wei Tsai, S. Salcedo-Sanz, J. Del Ser, I. Landa-Torres, S. Gil-López, J. 0.74
A. Portilla-Figueras. a. portilla-figueras所属。 0.43
The coral reefs optimization algorithm: A novel metaheuristic for efficiently solving optimization problems. サンゴ礁最適化アルゴリズム:最適化問題を効率的に解く新しいメタヒューリスティック。 0.75
The Scientific World Journal, 2014:739768, 2014. The Scientific World Journal, 2014:739768, 2014 0.91
A. Mutazono, M. Sugano, and M. Murata. a. mutazono、m. sugano、m.murata。 0.57
Frog call-inspired self-organizing anti-phase synchronization for wireless sensor networks. 無線センサネットワークにおけるカエルの自己組織型アンチフェイズ同期 0.62
In 2009 2nd International Workshop on Nonlinear Dynamics and Synchronization, pages 81–88, 2009. 2009年の第2回非線形ダイナミクスと同期に関する国際ワークショップ、81-88頁。 0.66
Muzaffar Eusuff, Kevin Lansey, and Fayzul Pasha. Muzaffar Eusuff、Kevin Lansey、Fayzul Pasha。 0.59
Shuffled frog-leaping algorithm: a memetic meta-heuristic for discrete optimization. Shuffled frog-leapingアルゴリズム:離散最適化のためのメメティックメタヒューリスティック。 0.76
Engineering Optimization, 38(2):129–154, 2006. doi:10.1080/03052150 500384759. 工学最適化 38(2):129–154, 2006. doi:10.1080/03052150 500384759 0.62
URL https://doi.org/10.1 080/0305215050038475 9. URL https://doi.org/10.1 080/0305215050038475 9 0.46
21 21 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Oscar Maciel C., Erik Cuevas, Mario A. Navarro, Daniel Zaldívar, and Salvador Hinojosa. プレプリント Oscar Maciel C.、Erik Cuevas、Mario A. Navarro、Daniel Zaldívar、Salvador Hinojosa。 0.63
Side-blotched lizard algorithm: A polymorphic population approach. side-blotched lizardアルゴリズム: 多形集団アプローチ。 0.76
Applied Soft Computing, 88:106039, 2020. Applied Soft Computing, 88:106039, 2020。 0.91
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2019. 106039. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2019. 106039 0.38
URL http://www.sciencedi rect.com/science/art icle/ pii/S156849461930821 X. URL http://www.sciencedi rect.com/science/art icle/ pii/S15684946 1930821X 0.35
F. García and José Moreno-Pérez. F・ガルシアとホセ・モレノ=ペレス。 0.39
Jumping frogs optimization: A new swarm method for discrete optimization. jump frogs optimization: 離散最適化のための新しいswarmメソッド。 0.87
Documentos de trabajo del DEIOC N 3/2008 Universidad de la Laguna, 01 2008. deioc n 3/2008 universidad de la laguna, 01 2008を参照。 0.41
Min-Yuan Cheng and Doddy Prayogo. ミン・ユアン・チェンとドディ・プラヨゴ。 0.35
Symbiotic organisms search: A new metaheuristic optimization algorithm. 共生生物探索:新しいメタヒューリスティック最適化アルゴリズム。 0.70
Computers & Structures, 139:98 – 112, 2014. Computers & Structures, 139:98 – 112, 2014 0.90
ISSN 0045-7949. doi:https://doi.org/ 10.1016/j.compstruc. 2014.03.007. ISSN 0045-7949. doi:https://doi.org/ 10.1016/j.compstruc. 2014.03.007 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/S0045794914 000881. URL http://www.sciencedi rect.com/science/art icle/pii/S0045794914 000881 0.35
S. Su, J. Wang, W. Fan, and X. Yin. S. Su, J. Wang, W. Fan, X. Yin 0.93
Good lattice swarm algorithm for constrained engineering design optimization. 制約付きエンジニアリング設計最適化のための良い格子群アルゴリズム。 0.74
In 2007 International Conference on Wireless Communications, Networking and Mobile Computing, pages 6421–6424, 2007. 2007年、International Conference on Wireless Communications, Networking and Mobile Computing, pages 6421–6424, 2007。 0.93
Pinar Civicioglu. Pinar Civicioglu 0.55
Artificial cooperative search algorithm for numerical optimization problems. 数値最適化問題に対する人工協調探索アルゴリズム 0.82
Information ISSN 0020-0255. doi:https://doi.org/ 10.1016/j.ins.2012.1 1.013. 情報 ISSN 0020-0255. doi:https://doi.org/ 10.1016/j.ins.2012.1 1.013 0.37
URL http: Sciences, 229:58 – 76, 2013. URL http: 229:58 - 76, 2013年。 0.79
//www.sciencedirect. com/science/article/ pii/S002002551200766 9. sciencedirect.com/sc ience/article/pii/s0 020025512007669 0.22
S. Mohseni, R. Gholami, N. Zarei, and A. R. Zadeh. S. Mohseni、R. Gholami、N. Zarei、A. R. Zadeh。 0.85
Competition over resources: A new optimization algorithm based on animals behavioral ecology. 資源に関する競争:動物行動生態に基づく新しい最適化アルゴリズム。 0.78
In 2014 International Conference on Intelligent Networking and Collaborative Systems, pages 311–315, 2014. 2014年、International Conference on Intelligent Networking and Collaborative Systems, pages 311–315, 2014。 0.93
Luis A. Márquez-Vega and Luis M. Torres-Treviño. Luis A. Márquez-VegaとLuis M. Torres-Treviño。 0.67
Universal swarm optimizer for multi-objective functions. 多目的関数に対するUniversal Swarm Optimizationr 0.83
In Ildar Batyrshin, María de Lourdes Martínez-Villaseñor, and Hiram Eredín Ponce Espinosa, editors, Advances in Soft Computing, pages 50–61, Cham, 2018. Ildar Batyrshin, María de Lourdes Martínez-Villaseñor,hiram Eredín Ponce Espinosa, editors, Advances in Soft Computing, page 50-61, Cham, 2018. ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^
訳抜け防止モード: Ildar Batyrshin, María de Lourdes Martínez - Villaseñor hiram Eredín Ponce Espinosa, Editors, Advances in Soft Computing, 50-61頁、Cham 、2018年。
0.78
Springer International Publishing. Springer International Publishing(英語) 0.71
ISBN 978-3-030-04491-6. ISBN 978-3-030-04491-6。 0.38
Aura Reggiani, Hanning Chen, Yunlong Zhu, Kunyuan Hu, and Xiaoxian He. Aura Reggiani, Hanning Chen, Yunlong Zhu, Kunyuan Hu, Xiaoxian He。 0.73
Hierarchical swarm model: A new approach to optimization. 階層型swarmモデル: 最適化に対する新しいアプローチ。 0.88
Discrete Dynamics in Nature and Society, 2010:379649, 2010. doi:10.1155/2010/379 649. Discrete Dynamics in Nature and Society, 2010:379649, 2010 doi:10.1155/2010/379 649。 0.62
URL https://doi.org/10.1 155/2010/379649. URL https://doi.org/10.1 155/2010/379649 0.41
S. He, Q. H. Wu, and J. R. Saunders. S. He, Q. H. Wu, J. R. Saunders 0.91
A novel group search optimizer inspired by animal behavioural ecology. 動物行動生態学に触発された新しいグループ探索オプティマイザ。 0.62
In 2006 IEEE International Conference on Evolutionary Computation, pages 1272–1278, 2006. 2006年 IEEE International Conference on Evolutionary Computation, page 1272–1278, 2006 0.84
T. Chen. A simulative bionic intelligent optimization algorithm: Artificial searching swarm algorithm and its performance analysis. T. Chen シミュレーション型ビオニアインテリジェント最適化アルゴリズム:人工探索群アルゴリズムとその性能解析 0.78
In 2009 International Joint Conference on Computational Sciences and Optimization, volume 2, pages 864–866, 2009b. 2009年、International Joint Conference on Computational Sciences and Optimization, Volume 2, page 864–866, 2009b。 0.89
Carlo Piccardi, Erik Cuevas, Mauricio González, Daniel Zaldívar, Marco Pérez-Cisneros, and Guillermo García. Carlo Piccardi、Erik Cuevas、Mauricio González、Daniel Zaldívar、Marco Pérez-Cisneros、Guillermo García。 0.79
An algorithm for global optimization inspired by collective animal behavior. 集団動物行動にインスパイアされたグローバル最適化アルゴリズム 0.74
Discrete Dynamics in Nature and Society, 2012:638275, 2012. Discrete Dynamics in Nature and Society, 2012:638275, 2012 0.87
Xiaohui Cui, Jinzhu Gao, and Thomas E. Potok. Xiaohui Cui, Jinzhu Gao, Thomas E. Potok 0.70
A flocking based algorithm for document clustering analysis. 文書クラスタリング解析のためのflockingベースのアルゴリズム。 0.88
Journal of Systems Architecture, 52(8):505 – 515, 2006. journal of systems architecture, 52(8):505–515, 2006年。 0.86
ISSN 1383-7621. doi:https://doi.org/ 10.1016/j.sysarc.200 6.02.003. ISSN 1383-7621. doi:https://doi.org/ 10.1016/j.sysarc.200 6.02.003 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/S1383762106 000191. URL http://www.sciencedi rect.com/science/art icle/pii/S1383762106 000191。 0.33
Nature-Inspired Applications and Systems. 自然にインスパイアされたアプリケーションとシステム。 0.51
R. Oftadeh and M. J. Mahjoob. R.OftadehとM.J. Mahjoob。 0.76
A new meta-heuristic optimization algorithm: Hunting search. 新しいメタヒューリスティック最適化アルゴリズム:ハンティング検索。 0.75
In 2009 Fifth International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control, pages 1–5, 2009. 2009年の第5回Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control, page 1-5, 2009 0.78
Surafel Tilahun, Choon Hong, and Hong Choon Ong. Surafel Tilahun氏、Choon Hong氏、Hong Choon Ong氏。 0.80
Prey-predator algorithm: A new metaheuristic algorithm for optimization problems. Prey-predatorアルゴリズム:最適化問題に対する新しいメタヒューリスティックアルゴリズム。 0.73
International Journal of Information Technology & Decision Making, 14, 12 2015. doi:10.1142/S0219622 01450031X. International Journal of Information Technology & Decision Making, 14, 12 2015 doi:10.1142/S02 1962201450031X 0.74
Xiangtao Li, Jie Zhang, and Minghao Yin. Xiangtao Li, Jie Zhang, Minghao Yin 0.57
Animal migration optimization: an optimization algorithm inspired by animal migration behavior. 動物移動最適化:動物移動行動に触発された最適化アルゴリズム。 0.67
Neural Computing and Applications, 24(7):1867–1877, 2014. doi:10.1007/s00521-0 13-1433-8. Neural Computing and Applications, 24(7):1867–1877, 2014 doi:10.1007/s00521-0 13-1433-8。 0.53
URL https://doi.org/10.1 007/s00521-013-1433- 8. URL https://doi.org/10.1 007/s00521-013-1433- 8 0.31
H. Chen and J. Wang. H. ChenとJ. Wang。 0.86
An improved population migration algorithm for the prediction of protein folding. タンパク質の折り畳み予測のための改良された集団移動アルゴリズム 0.75
In Advances in Neural Networks ? ニューラルネットワークの進歩? 0.58
ISNN 2009. 2009年ISNN。 0.83
ISNN 2009. 2009年ISNN。 0.83
Lecture Notes in Computer Science. コンピュータ科学における講義ノート。 0.77
Springer, 2009. URL https: //doi.org/10.1007/97 8-3-642-01513-7_72. 2009年春。 URL https: //doi.org/10.1007/97 8-3-642-01513-7_72 0.40
Zelinka I. SOMA-Self-Organizing Migrating Algorithm. Zelinka I. SOMA-Organizing Migrating Algorithm 0.81
In: New Optimization Techniques in Engineering, volume 141, In: New Optimization Techniques in Engineering, Volume 141, 0.84
pages 167–217. Springer Berlin Heidelberg, Berlin, Heidelberg, 2004. 167-217頁。 springer berlin heidelberg, berlin, heidelberg, 2004年。 0.66
Tai-Chen Chen, Pei-Wei Tsai, Shu-Chuan Chu, and Jeng-Shyang Pan. タイチェンチェン、ペイヴァイ、シューチュアンチュ、ジェン・シャンパン。 0.29
A novel optimization approach: Bacterial-ga foraging. 新たな最適化手法:細菌ガの捕食 0.75
In Second International Conference on Innovative Computing, Informatio and Control (ICICIC 2007), pages 391–391, 2007. doi:10.1109/ICICIC.2 007.67. 第2回Innovative Computing, Informatio and Control (ICICIC 2007)において、391–391, 2007 doi:10.1109/ICICIC.2 007.67。 0.64
22 22 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT Binggen Zhang, Ben Niu, and Hong Wang. プレプリント Binggen Zhang氏、Ben Niu氏、Hong Wang氏。 0.64
Bacterial colony optimization. 細菌コロニー最適化。 0.80
Discrete Dynamics in Nature and Society, 自然と社会における離散力学 0.70
2012:698057, 2012. 2012:698057, 2012. 0.84
S. Das, A. Chowdhury, and A. Abraham. S. Das, A. Chowdhury, A. Abraham 0.85
A bacterial evolutionary algorithm for automatic data clustering. 自動データクラスタリングのための細菌進化アルゴリズム 0.73
In 2009 IEEE Congress on Evolutionary Computation, pages 2403–2410, 2009. 2009年 IEEE Congress on Evolutionary Computation, pages 2403–2410, 2009 0.84
K. M. Passino. Biomimicry of bacterial foraging for distributed optimization and control. k・m・パシーノ 分散最適化と制御のための微生物採食のバイオミミミクス 0.62
IEEE Control Systems IEEE制御システム 0.83
Magazine, 22(3):52–67, June 2002. 雑誌、22(3):52-67、2002年6月。 0.66
ISSN 1066-033X. ISSN 1066-033X。 0.60
doi:10.1109/MCS.2002 .1004010. doi:10.1109/mcs.2002 .1004010 0.27
Ying Chu, Hua Mi, Huilian Liao, Zhen Ji, and Q. H. Wu. Ying Chu, Hua Mi, Huilian Liao, Zhen Ji, Q. H. Wu 0.79
A fast bacterial swarming algorithm for high-dimensional function optimization. 高次元関数最適化のための高速細菌群集アルゴリズム 0.87
In 2008 IEEE Congress on Evolutionary Computation (IEEE World Congress on Computational Intelligence), pages 3135–3140, 2008. 2008年、IEEE Congress on Evolutionary Computation (IEEE World Congress on Computational Intelligence), page 3135–3140, 2008。 0.84
Chandramouli Anandaraman, Arun Sankar, and Ramaraj Natarajan. Chandramouli Anandaraman, Arun Sankar, Ramaraj Natarajan 0.59
A new evolutionary algorithm based on bacterial evolution and its application for scheduling a flexible manufacturing system. 細菌進化に基づく新しい進化的アルゴリズムとそのフレキシブル製造システムのスケジューリングへの応用 0.73
Jurnal Teknik Industri, 14, 06 2012. doi:10.9744/jti.14.1 .1-12. Jurnal Teknik Industri, 14 06 2012 doi:10.9744/jti.14.1 -12 0.58
S. D. Muller, J. Marchetto, S. Airaghi, and P. Kournoutsakos. S.D. Muller、J. Marchetto、S. Airaghi、P. Kournoutsakos。 0.82
Optimization based on bacterial chemotaxis. 細菌の遊走性に基づく最適化 0.74
IEEE Transactions on Evolutionary Computation, 6(1):16–29, 2002. IEEE 進化計算に関するトランザクション 6(1):16-29, 2002 0.81
H. Mo and L. Xu. H. MoとL. Xu。 0.85
Magnetotactic bacteria optimization algorithm for multimodal optimization. マルチモーダル最適化のための磁気的細菌最適化アルゴリズム 0.74
In 2013 IEEE Symposium 2013年度IEEEシンポジウム報告 0.72
on Swarm Intelligence (SIS), pages 240–247, 2013. Swarm Intelligence (SIS) 2013年、240-247頁。 0.78
M. Bidar, H. R. Kanan, M. Mouhoub, and S. Sadaoui. M. Bidar、H. R. Kanan、M. Mouhoub、S. Sadaoui。 0.83
Mushroom reproduction optimization (mro): A novel natureinspired evolutionary algorithm. キノコ繁殖最適化 (mro) は、新しい進化的アルゴリズムである。 0.71
In 2018 IEEE Congress on Evolutionary Computation (CEC), pages 1–10, 2018. 2018年、IEEE Congress on Evolutionary Computation (CEC) 1-10頁。 0.67
Xiaoming Zhang, Bingyu Sun, Tao Mei, and Rujing Wang. Xiaoming Zhang, Bingyu Sun, Tao Mei, Rujing Wang 0.62
Post-disaster restoration based on fuzzy preference relation and bean optimization algorithm. ファジィ嗜好関係とビーン最適化アルゴリズムに基づくディザスタ後の復元 0.78
In 2010 IEEE Youth Conference on Information, Computing and Telecommunications, volume 1, pages 271–274, 11 2010. doi:10.1109/YCICT.20 10.5713097. 2010年IEEE Youth Conference on Information, Computing and Telecommunications, Volume 1, page 271–274, 11 2010 doi:10.1109/YCICT.20 10.5713097。 0.73
Jun : Li, Zhihua Cui, and Zhongzhi Shi. Jun: Li, Zhihua Cui, Zhongzhi Shi。 0.69
An improved artificial plant optimization algorithm for coverage problem in 被覆問題に対する改良型人工プラント最適化アルゴリズム 0.79
wsn. Sensor Letters, 10(8):1874–1878, 2012. doi:10.1166/sl.2012. 2627. wsn所属。 Sensor Letters, 10(8):1874–1878, 2012 doi:10.1166/sl.2012. 2627 0.54
Manizheh Ghaemi and Mohammad-Reza Feizi-Derakhshi. Manizheh GhaemiとMohammad-Reza Feizi-Derakhshi。 0.65
Forest optimization algorithm. 森林最適化アルゴリズム。 0.87
Expert Systems with Applications, 41(15):6676 – 6687, 2014. Expert Systems with Applications, 41(15):6676 – 6687, 2014 0.81
ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2014. 05.009. ISSN 0957-4174. doi:https://doi.org/ 10.1016/j.eswa.2014. 05.009. 0.35
URL http://www.sciencedi rect.com/science/art icle/pii/S0957417414 002899. URL http://www.sciencedi rect.com/science/art icle/pii/S0957417414 002899 0.34
W. Cai, W. Yang, and X. Chen. W. Cai, W. Yang, X. Chen 0.87
A global optimization algorithm based on plant growth theory: Plant growth optimization. 植物成長理論に基づく大域的最適化アルゴリズム : 植物成長最適化 0.81
In 2008 International Conference on Intelligent Computation Technology and Automation (ICICTA), volume 1, pages 1194–1199, 2008. 2008 International Conference on Intelligent Computation Technology and Automation (ICICTA), Volume 1, page 1194–1199, 2008 0.78
Farshad Merrikh-Bayat. Farshad Merrikh-Bayat 0.82
A numerical optimization algorithm inspired by the strawberry plant. イチゴ植物に触発された数値最適化アルゴリズム 0.72
CoRR, abs/1407.7399, CoRR, abs/1407.7399 0.70
2014. URL http://arxiv.org/abs /1407.7399. 2014. URL http://arxiv.org/abs /1407.7399 0.66
A.R. Mehrabian and C. Lucas. A.R。 メフラビアンとC.ルーカス。 0.62
A novel numerical optimization algorithm inspired from weed colonization. 雑草コロニー化に触発された新しい数値最適化アルゴリズム 0.65
Ecological ISSN 1574-9541. doi:https://doi.org/ 10.1016/j.ecoinf.200 6.07.003. Ecological ISSN 1574-9541. doi:https://doi.org/ 10.1016/j.ecoinf.200 6.07.003. 0.38
URL Informatics, 1(4):355 – 366, 2006. http://www.sciencedi rect.com/science/art icle/pii/S1574954106 000665. URL Informatics, 1(4):355 – 366, 2006. http://www.sciencedi rect.com/science/art icle/pii/S1574954106 000665 0.72
Upeka Premaratne, Jagath Samarabandu, and Tarlochan Sidhu. Upeka Premaratne、Jagath Samarabandu、Tarlochan Sidhu。 0.64
A new biologically inspired optimization algorithm. 生物にインスパイアされた新しい最適化アルゴリズム 0.73
In 2009 International Conference on Industrial and Information Systems (ICIIS), pages 279–284, 2009. doi:10.1109/ICIINFS. 2009.5429852. 2009年、International Conference on Industrial and Information Systems (ICIIS) 279–284, 2009 doi:10.1109/ICIINFS. 2009.5429852。 0.68
Camilo Caraveo, Fevrier Valdez, and Oscar Castillo. Camilo Caraveo、Fevrier Valdez、Oscar Castillo。 0.71
A new optimization meta-heuristic algorithm based on self-defense 自己防衛に基づく新しい最適化メタヒューリスティックアルゴリズム 0.81
mechanism of the plants with three reproduction operators. 3つの生殖操作子を有する植物の機構 0.82
Soft Computing, 22(15):4907–4920, 2018. ソフトコンピューティング 22 15:4907–4920, 2018。 0.69
María Isabel Herreros, Xiaoxian He, Hanning Chen, Ben Niu, and Jie Wang. María Isabel Herreros, Xiaoxian He, Hanning Chen, Ben Niu, Jie Wang 0.68
Root growth optimizer with self-similar 自己相似型根成長最適化器 0.64
propagation. Mathematical Problems in Engineering, 2015:498626, 2015. 伝播 Mathematical Problems in Engineering, 2015:498626, 2015 0.64
Yacine Labbi, Djilani Ben Attous, Hossam A. Gabbar, Belkacem Mahdad, and Aboelsood Zidan. Yacine Labbi、Djilani Ben Attous、Hossam A. Gabbar、Belkacem Mahdad、Aboelsood Zidan。 0.74
A new rooted tree optimization algorithm for economic dispatch with valve-point effect. 弁点効果を持つ経済ディスパッチのための新しい根付き木最適化アルゴリズム 0.72
International Journal of Electrical Power & Energy Systems, 79:298 – 311, 2016. International Journal of Electric Power & Energy Systems, 79:298 – 311, 2016 0.87
ISSN 0142-0615. doi:https://doi.org/ 10.1016/j.ijepes.201 6.01.028. ISSN 0142-0615. doi:https://doi.org/ 10.1016/j.ijepes.201 6.01.028 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/S0142061516 000405. URL http://www.sciencedi rect.com/science/art icle/pii/S0142061516 000405 0.35
F. Merrikh-Bayat. F. Merrikh-Bayat 0.72
The runner-root algorithm: A metaheuristic for solving unimodal and multimodal optimization problems inspired by runners and roots of plants in nature. ランナールートアルゴリズム(英: runner-root algorithm)は、単様および多様最適化問題を解決するためのメタヒューリスティックなアルゴリズムである。
訳抜け防止モード: ランナー-ルートアルゴリズム : メタヒューリスティック 自然界の植物の根と走者からインスパイアされた 一様および多様の最適化問題の解決。
0.68
Applied Soft Computing, 33:292 – 303, 2015. Applied Soft Computing, 33:292 – 303, 2015 0.89
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2015. 04.048. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2015. 04.048 0.36
URL http://www.sciencedi rect.com/science/ article/pii/S1568494 615002756. URL http://www.sciencedi rect.com/science/ article/pii/S1568494 615002756 0.41
Xin-She Yang. xin-she yang氏。 0.45
Flower pollination algorithm for global optimization. グローバル最適化のためのフラワー受粉アルゴリズム 0.77
Lecture Notes in Computer Science, page 240?249, 2012. Lecture Notes in Computer Science, page240?249, 2012 0.73
ISSN 1611-3349. doi:10.1007/978-3-64 2-32894-7_27. ISSN 1611-3349. doi:10.1007/978-3-64 2-32894-7_27 0.25
URL http://dx.doi.org/10 .1007/ 978-3-642-32894-7_27 . URL http://dx.doi.org/10 .1007/978-3-642-3289 4-7_27 0.26
23 23 0.85
英語(論文から抽出)日本語訳スコア
A 2020 Taxonomy of living beings behavior algorithms 生活行動アルゴリズムの2020年分類法 0.63
A PREPRINT H. Moez, A. Kaveh, and N. Taghizadieh. プレプリント H. Moez、A. Kaveh、N. Taghizadieh。 0.67
Natural forest regeneration algorithm: A new meta-heuristic. 自然林再生アルゴリズム:新しいメタヒューリスティック。 0.66
Iranian Journal of Science and Technology, Transactions of Civil Engineering, 40(4):311–326, 2016. イランの日誌 of Science and Technology, Transactions of Civil Engineering, 40(4):311–326, 2016 0.83
Abdel Salhi and Eric Fraga. アブデル・サリーとエリック・フラガ 0.58
Nature-inspired optimisation approaches and the new plant propagation algorithm. 自然にインスパイアされた最適化手法と新しい植物伝播アルゴリズム 0.73
In Proceeding of The International Conference on Numerical Analysis and Optimization (ICeMATH2011), 06 2011. doi:10.13140/2.1.326 2.0806. The International Conference on Numerical Analysis and Optimization (ICeMATH 2011), 06 2011 doi:10.13140/2.1.326 2.0806 0.75
Ali Karci and Bilal Alatas. Ali KarciとBilal Alatas。 0.74
Thinking capability of saplings growing up algorithm. アルゴリズムを成長させるサップリングの思考能力。 0.67
In Intelligent Data Engineering and インテリジェントなデータ工学や 0.70
Automated Learning ? IDEAL 2006, pages 386–393, 09 2006. doi:10.1007/11875581 _47. 自動学習? IDEAL 2006 page 386–393, 09 2006. doi:10.1007/11875581 _47. 0.68
Xinyu Li, Muhammad Sulaiman, and Abdellah Salhi. Xinyu Li、Muhammad Sulaiman、Abdellah Salhi。 0.63
A seed-based plant propagation algorithm: The feeding station 種子を用いた植物増殖アルゴリズム:給餌場 0.73
model. The Scientific World Journal, 2015:904364, 2015. モデル。 The Scientific World Journal, 2015:904364, 2015 0.83
URL https://doi.org/10.1 155/2015/904364. URL https://doi.org/10.1 155/2015/904364 0.41
Sait Ali Uymaz, Gulay Tezel, and Esra Yel. Sait Ali Uymaz, Gulay Tezel, Esra Yel。 0.73
Artificial algae algorithm (aaa) for nonlinear global optimization. 非線形大域最適化のための人工藻類アルゴリズム(aaa) 0.78
Applied Soft Computing, 31:153 – 171, 2015. Applied Soft Computing, 31:153 – 171, 2015 0.90
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2015. 03.003. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2015. 03.003 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/S1568494615 001465. URL http://www.sciencedi rect.com/science/art icle/pii/S1568494615 001465 0.35
D. R. Monismith and B. E. Mayfield. d・r・モニスミスとb・e・メイフィールド。 0.39
Slime mold as a model for numerical optimization. 数値最適化モデルとしてのスライムモールド 0.77
In 2008 IEEE Swarm 2008年IEEE Swarm 0.67
Intelligence Symposium, pages 1–8, Sep. 2008. doi:10.1109/SIS.2008 .4668295. インテリジェンスシンポジウム, page 1–8, Sep. 2008 doi:10.1109/SIS.2008 .4668295 0.50
Xiaoge Zhang, Y. Zhang, Z. Zhang, and Y. Deng. Xiaoge Zhang, Y. Zhang, Z. Zhang, Y. Deng 0.86
A method to solve shortest path finding in directed graph based on an 有向グラフにおける最短経路探索の一解法 0.61
amoeboid organism. In 2012 24th Chinese Control and Decision Conference (CCDC), pages 3699–3702, 2012. アメーバ型生物。 2012年、第24回中国制御決定会議(CCDC)、3699-3702頁。 0.59
Pablo Cortés, José M. García, Jesús Mu nuzuri, and Luis Onieva. Pablo Cortés、José M. García、Jesús Mu nuzuri、Luis Onieva。 0.67
Viral systems: A new bio-inspired optimisation approach. ウイルスシステム: バイオインスパイアされた新しい最適化アプローチ。 0.69
Computers & Operations Research, 35(9):2840 – 2860, 2008. computer & operations research, 35(9)2840 – 2860, 2008年。 0.83
ISSN 0305-0548. doi:https://doi.org/ 10.1016/j.cor.2006.1 2.018. ISSN 0305-0548. doi:https://doi.org/ 10.1016/j.cor.2006.1 2.018 0.36
URL http://www.sciencedi rect.com/science/art icle/pii/ S0305054806003182. URL http://www.sciencedi rect.com/science/art icle/pii/ S0305054806003182 0.41
Part Special Issue: Bio-inspired Methods in Combinatorial Optimization. コンビネート最適化におけるバイオインスパイアされた手法 0.52
Mu Dong Li, Hui Zhao, Xing Wei Weng, and Tong Han. Mu Dong Li, Hui Zhao, Xing Wei Weng, Tong Han 0.65
A novel nature-inspired algorithm for optimization: Virus colony search. 自然にインスパイアされた新しい最適化アルゴリズム:ウイルスコロニー探索。 0.73
ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2015.11.004. ISSN 09659978. doi:https://doi.org/ 10.1016/j.advengsoft .2015.11.004 0.39
URL http://www.sciencedi rect.com/science/ article/pii/S0965997 815001702. URL http://www.sciencedi rect.com/science/ article/pii/S0965997 815001702 0.41
Advances in Engineering Software, 92:65 – 88, 2016. ソフトウェア工学の進歩 (92:65 - 88, 2016)。 0.76
Yun-Chia Liang and Josue Rodolfo Cuevas Juarez. Yun-Chia LiangとJosue Rodolfo Cuevas Juarez。 0.89
A novel metaheuristic for continuous optimization problems: Virus optimization algorithm. 連続最適化問題に対する新しいメタヒューリスティック:ウイルス最適化アルゴリズム 0.81
Engineering Optimization, 48(1):73–93, 2016. doi:10.1080/0305215X .2014.994868. 工学最適化 48(1):73–93, 2016 doi:10.1080/0305215X .2014.994868 0.51
URL https://doi.org/10.1 080/0305215X.2014.99 4868. URL https://doi.org/10.1 080/0305215X.2014.99 4868 0.35
Morteza Jaderyan and Hassan Khotanlou. Morteza JaderyanとHassan Khotanlou。 0.78
Virulence optimization algorithm. ヴァーエンス最適化アルゴリズム。 0.76
Applied Soft Computing, 43:596 – 618, 2016. Applied Soft Computing, 43:596 – 618, 2016 0.89
ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2016. 02.038. ISSN 1568-4946. doi:https://doi.org/ 10.1016/j.asoc.2016. 02.038 0.36
URL http://www.sciencedi rect.com/ science/article/pii/ S1568494616300898. URL http://www.sciencedi rect.com/ science/article/pii/ S1568494616300898 0.41
F. Martínez-Álvarez, G. Asencio-Cortés, J. F. Torres, D. Gutiérrez-Avilés, L. Melgar-García, R. Pérez-Chacón, C. RubioEscudero, J. C. Riquelme, and A. Troncoso. F. Martínez-Alvarez, G. Asencio-Cortés, J. F. Torres, D. Gutiérrez-Avilés, L. Melgar-García, R. Pérez-Chacón, C. RubioEscudero, J. C. Riquelme, A. Troncoso 0.71
Coronavirus optimization algorithm: A bioinspired metaheuristic based on the covid-19 propagation model. コロナウイルス最適化アルゴリズム:covid-19の伝播モデルに基づくバイオインスパイアされたメタヒューリスティック。 0.59
Big Data, 8(4):308–322, 2020. doi:10.1089/big.2020 .0051. Big Data, 8(4):308–322, 2020. doi:10.1089/big.2020 .0051. 0.57
URL https://doi.org/10.1 089/big.2020.0051. URL https://doi.org/10.1 089/big.2020.0051 0.36
PMID: 32716641. PMID:32716641。 0.71
24 24 0.85
                                                 ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。