Fugu-MT 論文翻訳(概要): New mechanism of combination crossover operators in genetic algorithm for solving the traveling salesman problem

論文の概要: New mechanism of combination crossover operators in genetic algorithm for solving the traveling salesman problem

arxiv url: http://arxiv.org/abs/2001.11590v1
Date: Tue, 14 Jan 2020 13:20:44 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 11:59:11.657570
Title: New mechanism of combination crossover operators in genetic algorithm for solving the traveling salesman problem
Title（参考訳）: 旅行セールスマン問題を解決する遺伝的アルゴリズムにおけるクロスオーバー演算子の新たな機構
Authors: Pham Dinh Thanh, Huynh Thi Thanh Binh, Bui Thu Lam
Abstract要約: TSPを解くための遺伝的アルゴリズムにおいて、2つの新しいクロスオーバー演算子と2つのクロスオーバー演算子の組み合わせ機構を提案する。実験の結果,提案アルゴリズムは,MSCX を用いた遺伝的アルゴリズム(GA)よりも,平均コストの最小値の方が優れていることがわかった。
参考スコア（独自算出の注目度）: 2.578242050187029
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Traveling salesman problem (TSP) is a well-known in computing field. There are many researches to improve the genetic algorithm for solving TSP. In this paper, we propose two new crossover operators and new mechanism of combination crossover operators in genetic algorithm for solving TSP. We experimented on TSP instances from TSP-Lib and compared the results of proposed algorithm with genetic algorithm (GA), which used MSCX. Experimental results show that, our proposed algorithm is better than the GA using MSCX on the min, mean cost values.
Abstract（参考訳）: トラベルセールスマン問題(TSP)は、コンピューティング分野でよく知られている問題である。 TSPを解くための遺伝的アルゴリズムを改善するための多くの研究がある。本稿では,tspを解く遺伝的アルゴリズムにおける2つの新しいクロスオーバー演算子と組合せクロスオーバー演算子の機構を提案する。 TSP-LibのTSPインスタンスを実験し,MSCXを用いた遺伝的アルゴリズム(GA)と提案アルゴリズムの結果を比較した。実験結果から,提案アルゴリズムは最小コスト平均値のMSCXを用いたGAよりも優れていることがわかった。

関連論文リスト

Quantum evolutionary algorithm for TSP combinatorial optimisation problem [0.0]
本稿では、量子遺伝的アルゴリズム(QGA)を用いて、旅行セールスマン問題(TSP)と呼ばれる新しい問題を解決する方法を実装する。我々は、この新しいアプローチがいかにうまく機能するかを、古典的遺伝的アルゴリズム(CGA)として知られる従来の手法と比較した。
論文参考訳（メタデータ） (2024-09-20T08:27:42Z)
Deep Learning-Based Operators for Evolutionary Algorithms [1.7751300245073598]
本稿では、遺伝的アルゴリズムのクロスオーバー演算子と遺伝的プログラミングの突然変異演算子という、ディープラーニングの能力を利用する2つの新しいドメイン非依存型遺伝演算子を提案する。
論文参考訳（メタデータ） (2024-07-15T07:05:34Z)
Stochastic Optimization for Non-convex Problem with Inexact Hessian Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。 TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文参考訳（メタデータ） (2023-10-18T10:29:58Z)
Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しいメタヒューリスティックアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-28T13:05:30Z)
A Hybrid Genetic Algorithm for the min-max Multiple Traveling Salesman Problem [0.9790236766474201]
本稿では,Multiple Traveling Salesman Problem (mTSP) を解くためのハイブリッド遺伝的アルゴリズムを提案する。新たなクロスオーバーオペレーターは、2人の親からの同様のツアーを組み合わせるように設計されており、人口に対して大きな多様性を提供する。我々のアルゴリズムは、ベンチマークセットに対してテストした場合に、同様のカットオフ時間しきい値で、すべての既存のアルゴリズムを平均で上回ります。
論文参考訳（メタデータ） (2023-07-14T01:57:10Z)
CSRX: A novel Crossover Operator for a Genetic Algorithm applied to the Traveling Salesperson Problem [0.9208007322096533]
従来よりも優れたクロスオーバー演算子群を新たに導入する。新たなクロスオーバー演算子は、解空間における対称性を活用することを目的としており、より効果的に優れた個人を保存できる。
論文参考訳（メタデータ） (2023-03-22T10:34:23Z)
Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文参考訳（メタデータ） (2023-01-30T15:46:39Z)
On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-06-30T05:29:52Z)
Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。両レベル最適化のための2つの新しいアルゴリズムを提案する。両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文参考訳（メタデータ） (2021-06-08T21:05:30Z)
Investigating the Scalability and Biological Plausibility of the Activation Relaxation Algorithm [62.997667081978825]
アクティベーション・リラクシエーション(AR)アルゴリズムは、誤りアルゴリズムのバックプロパゲーションを近似するためのシンプルでロバストなアプローチを提供する。このアルゴリズムは、学習可能な後方重みセットを導入することにより、さらに単純化され、生物学的に検証可能であることを示す。また、元のARアルゴリズム(凍結フィードフォワードパス)の別の生物学的に信じられない仮定が、パフォーマンスを損なうことなく緩和できるかどうかについても検討する。
論文参考訳（メタデータ） (2020-10-13T08:02:38Z)
Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文参考訳（メタデータ） (2020-05-09T02:48:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。