論文の概要: Comprehensive Taxonomies of Nature- and Bio-inspired Optimization: Inspiration versus Algorithmic Behavior, Critical Analysis and Recommendations (from 2020 to 2024)
- arxiv url: http://arxiv.org/abs/2002.08136v5
- Date: Wed, 17 Apr 2024 07:59:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-19 16:42:16.035735
- Title: Comprehensive Taxonomies of Nature- and Bio-inspired Optimization: Inspiration versus Algorithmic Behavior, Critical Analysis and Recommendations (from 2020 to 2024)
- Title（参考訳）: 自然と生物にインスパイアされた最適化の包括的分類--アルゴリズム行動と吸気、批判分析と勧告(2020年-2024年)
- Authors: Daniel Molina, Javier Poyatos, Javier Del Ser, Salvador García, Amir Hussain, Francisco Herrera,
- Abstract要約: 生物学的過程を模倣して複雑な問題を解くバイオインスパイアされた最適化法が近年、人気を集めている。
バイオインスパイアされたアルゴリズムの数が指数関数的に増加することは、この研究領域の将来の軌道に課題をもたらす。
- 参考スコア（独自算出の注目度）: 19.09373077982117
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, bio-inspired optimization methods, which mimic biological processes to solve complex problems, have gained popularity in recent literature. The proliferation of proposals prove the growing interest in this field. The increase in nature- and bio-inspired algorithms, applications, and guidelines highlights growing interest in this field. However, the exponential rise in the number of bio-inspired algorithms poses a challenge to the future trajectory of this research domain. Along the five versions of this document, the number of approaches grows incessantly, and where having a new biological description takes precedence over real problem-solving. This document presents two comprehensive taxonomies. One based on principles of biological similarity, and the other one based on operational aspects associated with the iteration of population models that initially have a biological inspiration. Therefore, these taxonomies enable researchers to categorize existing algorithmic developments into well-defined classes, considering two criteria: the source of inspiration, and the behavior exhibited by each algorithm. Using these taxonomies, we classify 518 algorithms based on nature-inspired and bio-inspired principles. Each algorithm within these categories is thoroughly examined, allowing for a critical synthesis of design trends and similarities, and identifying the most analogous classical algorithm for each proposal. From our analysis, we conclude that a poor relationship is often found between the natural inspiration of an algorithm and its behavior. Furthermore, similarities in terms of behavior between different algorithms are greater than what is claimed in their public disclosure: specifically, we show that more than one-fourth of the reviewed solvers are versions of classical algorithms. The conclusions from the analysis of the algorithms lead to several learned lessons.
- Abstract（参考訳）: 近年,生物学的過程を模倣して複雑な問題を解くバイオインスパイアされた最適化手法が近年普及している。
提案の拡散はこの分野への関心の高まりを証明している。
自然と生物に触発されたアルゴリズム、応用、ガイドラインの増加は、この分野への関心の高まりを浮き彫りにしている。
しかし、バイオインスパイアされたアルゴリズムの指数的な増加は、この研究領域の将来的な軌道に課題をもたらす。
この文書の5つのバージョンに沿って、アプローチの数は必然的に増加し、新しい生物学的記述が現実の問題解決よりも優先される。
この文書は2つの包括的分類を提示する。
1つは生物学的類似性の原理に基づくものであり、もう1つは、当初生物学的インスピレーションを持つ集団モデルの反復に関連する運用的側面に基づくものである。
したがって、これらの分類学は、研究者が既存のアルゴリズム開発を、インスピレーションの源と各アルゴリズムが示す行動の2つの基準を考慮し、明確に定義されたクラスに分類することができる。
これらの分類学を用いて、518のアルゴリズムを自然に着想を得たり、生物に着想を得たりした原理に基づいて分類する。
これらのカテゴリ内の各アルゴリズムを徹底的に検討し、設計トレンドと類似性の批判的な合成を可能にし、各提案において最も類似した古典的アルゴリズムを特定する。
我々の分析から、アルゴリズムの自然なインスピレーションとその振る舞いの間には、しばしば不適切な関係が見つかると結論付けている。
さらに、異なるアルゴリズム間の振る舞いの類似性は、公開開示で主張されているものよりも大きい:具体的には、レビューされた解の4分の1以上が古典的アルゴリズムのバージョンであることを示す。
アルゴリズムの分析から得られた結論は、いくつかの学習的な教訓につながっている。
関連論文リスト
- A Generalized Evolutionary Metaheuristic (GEM) Algorithm for Engineering Optimization [1.6589012298747952]
近年の大きなトレンドは、自然に着想を得たメタヒュースティックアルゴリズム(NIMA)の利用である。
文献には540以上のアルゴリズムがあり、異なるアルゴリズムの探索機構を理解するための統一的なフレームワークはない。
20以上の異なるアルゴリズムを統一する一般化された進化的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） (2024-07-02T09:55:15Z) - Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。
本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T16:04:06Z) - Nature Inspired Evolutionary Swarm Optimizers for Biomedical Image and
Signal Processing -- A Systematic Review [0.0]
論文は28のピアレビュー関連記事と26のネイチャーインスパイアされたアルゴリズムをレビューする。
これらのアルゴリズムは、読者がそれぞれのアルゴリズムの信頼性と探索段階を理解するのを助けるために、徹底的に探索され、より少ない探索と未調査のカテゴリに分離する。
論文 参考訳（メタデータ） (2023-10-02T04:52:46Z) - A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。
私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。
2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%～30%、ハードケースでは36%～43%である。
論文 参考訳（メタデータ） (2023-03-23T16:15:03Z) - Improving RNA Secondary Structure Design using Deep Reinforcement
Learning [69.63971634605797]
本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。
本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
論文 参考訳（メタデータ） (2021-11-05T02:54:06Z) - Result Diversification by Multi-objective Evolutionary Algorithms with
Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。
GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。
目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文 参考訳（メタデータ） (2021-10-18T14:00:22Z) - Deep Algorithm Unrolling for Biomedical Imaging [99.73317152134028]
本章では,アルゴリズムのアンロールによるバイオメディカル応用とブレークスルーについて概説する。
我々はアルゴリズムのアンローリングの起源を辿り、反復アルゴリズムをディープネットワークにアンローリングする方法に関する包括的なチュートリアルを提供する。
オープンな課題を議論し、今後の研究方向性を提案することで、この章を締めくくります。
論文 参考訳（メタデータ） (2021-08-15T01:06:26Z) - Nature-Inspired Optimization Algorithms: Research Direction and Survey [0.0]
自然に着想を得たアルゴリズムは、様々な最適化問題を解くのによく用いられる。
我々は自然に触発されたアルゴリズムを自然進化ベース、群知性ベース、生物ベース、科学ベースなどと分類する。
本研究の目的は, インスピレーション源, 基本演算子, 制御パラメータ, 特徴, 変種, 適用範囲に基づいて, 様々な自然に着想を得たアルゴリズムを網羅的に解析することである。
論文 参考訳（メタデータ） (2021-02-08T06:03:36Z) - A Survey On (Stochastic Fractal Search) Algorithm [0.0]
本稿ではフラクタルという数学的概念に基づく成長の自然現象に着想を得たフラクタル探索というメタヒューリスティックなアルゴリズムを提案する。
本論文は,提案アルゴリズムに適用される文献において一般的に用いられる工学設計最適化問題のステップと応用例にも注目する。
論文 参考訳（メタデータ） (2021-01-25T22:44:04Z) - Critical Analysis: Bat Algorithm based Investigation and Application on
Several Domains [1.1802674324027231]
このアルゴリズムのアイデアはコウモリのエコーロケーション能力から取られた。
バットアルゴリズムは、背景、特徴、制限の観点から詳細に与えられる。
論文 参考訳（メタデータ） (2021-01-18T19:25:12Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。