論文の概要: Optimisation of Large Wave Farms using a Multi-strategy Evolutionary
Framework
- arxiv url: http://arxiv.org/abs/2003.09594v1
- Date: Sat, 21 Mar 2020 07:07:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 12:57:51.886942
- Title: Optimisation of Large Wave Farms using a Multi-strategy Evolutionary
Framework
- Title(参考訳): マルチストラテジー進化フレームワークを用いた大規模波動ファームの最適化
- Authors: Mehdi Neshat, Bradley Alexander, Nataliia Y. Sergiienko, Markus Wagner
- Abstract要約: 本研究の目的は, 完全潜水三重波エネルギー変換器(WEC)からなる大波農場の総利用電力を最大化することである。
大規模波動農場におけるWEC間の流体力学的相互作用の計算に費用がかかるため, 大規模波動農場のエネルギー最大化は困難な探索問題である。
本稿では, スマート初期化, バイナリ集団に基づく進化アルゴリズム, 離散局所探索, 連続的グローバル最適化を組み合わせた, ハイブリッドなマルチストラテジー進化フレームワークを提案する。
- 参考スコア(独自算出の注目度): 1.4211973704803558
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wave energy is a fast-developing and promising renewable energy resource. The
primary goal of this research is to maximise the total harnessed power of a
large wave farm consisting of fully-submerged three-tether wave energy
converters (WECs). Energy maximisation for large farms is a challenging search
problem due to the costly calculations of the hydrodynamic interactions between
WECs in a large wave farm and the high dimensionality of the search space. To
address this problem, we propose a new hybrid multi-strategy evolutionary
framework combining smart initialisation, binary population-based evolutionary
algorithm, discrete local search and continuous global optimisation. For
assessing the performance of the proposed hybrid method, we compare it with a
wide variety of state-of-the-art optimisation approaches, including six
continuous evolutionary algorithms, four discrete search techniques and three
hybrid optimisation methods. The results show that the proposed method performs
considerably better in terms of convergence speed and farm output.
- Abstract(参考訳): 波浪エネルギーは急速に発展し、将来有望な再生可能エネルギー資源である。
本研究の主な目的は、完全潜水三重波エネルギー変換器(WEC)からなる大型波力農場の総利用電力を最大化することである。
大規模農場におけるWEC間の流体力学的相互作用のコスト計算と探索空間の高次元性により, 大規模農場のエネルギー最大化は困難な探索問題である。
この問題に対処するため,我々は,スマート初期化,バイナリ集団に基づく進化アルゴリズム,離散的局所探索,連続的グローバル最適化を組み合わせた,新しいハイブリッドマルチストラテジー進化フレームワークを提案する。
提案手法の性能を評価するために,6つの連続進化アルゴリズム,4つの離散探索手法,3つのハイブリッド最適化手法を含む,多種多様な最適化手法と比較した。
以上の結果から,提案手法は収束速度と農業生産率の点でかなり優れていることがわかった。
関連論文リスト
- Ant Colony Sampling with GFlowNets for Combinatorial Optimization [72.95439522658647]
Generative Flow Ant Colony Sampler (GFACS) はニューラル誘導型メタヒューリスティックアルゴリズムである。
GFACSは生成フローネットワーク(GFlowNets)とアリコロニー最適化(ACO)手法を統合している。
論文 参考訳(メタデータ) (2024-03-11T16:26:06Z) - Gradient Based Hybridization of PSO [1.1059341532498634]
Particle Swarm Optimization (PSO) は、過去30年間にわたって、強力なメタヒューリスティックなグローバル最適化アプローチとして現れてきた。
PSOは、単一目的シナリオにおける早期の停滞や、探索と搾取のバランスを取る必要性といった課題に直面している。
多様なパラダイムから確立された最適化手法と協調的な性質を統合することでPSOをハイブリダイズすることは、有望な解決策となる。
論文 参考訳(メタデータ) (2023-12-15T11:26:36Z) - A Novel Hybrid Algorithm for Optimized Solutions in Ocean Renewable
Energy Industry: Enhancing Power Take-Off Parameters and Site Selection
Procedure of Wave Energy Converters [0.0]
海洋再生エネルギー、特に波浪エネルギーは、地球規模のエネルギーポートフォリオを多様化するための重要な要素となっている。
本研究は、オフショア発振サージ波エネルギー変換器(OSWEC)におけるパワーテイクオフパラメータ(PTO)の最適化とサイト選択過程について検討する。
HC-EGWO法を用いることで,他の方法と比較して最大3.31%の出力向上を実現した。
論文 参考訳(メタデータ) (2023-09-19T13:30:17Z) - HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel
Neural Architecture Search [104.45426861115972]
設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。
我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。
6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
論文 参考訳(メタデータ) (2023-04-23T17:27:40Z) - Massively Parallel Genetic Optimization through Asynchronous Propagation
of Populations [50.591267188664666]
Propulateは、グローバル最適化のための進化的最適化アルゴリズムとソフトウェアパッケージである。
提案アルゴリズムは, 選択, 突然変異, 交叉, 移動の変種を特徴とする。
Propulateは解の精度を犠牲にすることなく、最大で3桁高速であることがわかった。
論文 参考訳(メタデータ) (2023-01-20T18:17:34Z) - Applying Autonomous Hybrid Agent-based Computing to Difficult
Optimization Problems [56.821213236215634]
本稿では,EMASのハイブリッドバージョンを提案する。
これには、複数のハイブリッド演算子の選択と導入、およびメインアルゴリズムのハイブリッドステップを開始するためのルールの定義が含まれる。
これらのハイブリッドステップは、既存の、よく知られた、そして証明された、効率的なメタヒューリスティックスを活用し、その結果をメインのアルゴリズムに統合する。
論文 参考訳(メタデータ) (2022-10-24T13:28:35Z) - Optimization Study of Hydraulic Power Take-off System for an Ocean Wave
Energy Converter [0.0]
本研究の目的は,オーストラリア西部のパースの波浪シナリオにおける直線波エネルギー変換器のPTOシステムパラメータを最適化することである。
非線形問題を解くために10の最適化アルゴリズムが組み込まれている。
遺伝的アルゴリズム、サロゲートアルゴリズム、fminsearchアルゴリズムの修正された組み合わせは、研究された波動シナリオにおいて他のアルゴリズムよりも優れている。
論文 参考訳(メタデータ) (2021-12-17T23:22:56Z) - 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) - An Efficient Multi-objective Evolutionary Approach for Solving the
Operation of Multi-Reservoir System Scheduling in Hydro-Power Plants [0.0]
そこで本研究では,水力発電プラントの1日当たりの総エネルギー生産量を最大化することを目的とする,新しい数学的モデリング手法を提案する。
この問題を解決するために,多目的進化群ハイブリダイゼーション(MESH)アルゴリズムについて論じる。
MESHは、効率と精度の点で、代替の多目的アプローチよりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-07-20T18:39:09Z) - Hybrid Henry Gas Solubility Optimization Algorithm with Dynamic
Cluster-to-Algorithm Mapping for Search-based Software Engineering Problems [1.0323063834827413]
本稿ではHenry Gas Solubility Optimization(HGSO)アルゴリズムの新しい変種であるHGSO(Hybrid HGSO)について述べる。
前者とは異なり、HHGSOは異なるメタヒューリスティックアルゴリズムを提供する複数のクラスタを同じ集団内で共存させることができる。
HHGSOは、適応的な切替係数を持つペナル化および報酬モデルによる動的クラスタ-アルゴリズムマッピングを発明し、メタヒューリスティックなハイブリダイゼーションのための新しいアプローチを提供する。
論文 参考訳(メタデータ) (2021-05-31T12:42:15Z) - AdaLead: A simple and robust adaptive greedy search algorithm for
sequence design [55.41644538483948]
我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。
AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
論文 参考訳(メタデータ) (2020-10-05T16:40:38Z)
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。