論文の概要: A Novel Hybrid GWO with WOA for Global Numerical Optimization and
Solving Pressure Vessel Design
- arxiv url: http://arxiv.org/abs/2003.11894v1
- Date: Fri, 28 Feb 2020 21:15:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 01:46:23.628823
- Title: A Novel Hybrid GWO with WOA for Global Numerical Optimization and
Solving Pressure Vessel Design
- Title（参考訳）: 大域的数値最適化と圧力容器設計のためのWOAハイブリッドGWO
- Authors: Hardi M. Mohammed, Tarik A. Rashid
- Abstract要約: Grey Wolf Optimization (GWO) は、他の一般的なメタヒューリスティックアルゴリズムと比較して非常に競合的なアルゴリズムである。
本稿では,WOAGWOと呼ばれるGWOをハイブリッド化したWOAについて述べる。
提案したWOAGWOは、元のWOA、GWOおよび他の3つの一般的なアルゴリズムに対して評価される。
- 参考スコア（独自算出の注目度）: 1.1802674324027231
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A recent metaheuristic algorithm, such as Whale Optimization Algorithm (WOA),
was proposed. The idea of proposing this algorithm belongs to the hunting
behavior of the humpback whale. However, WOA suffers from poor performance in
the exploitation phase and stagnates in the local best solution. Grey Wolf
Optimization (GWO) is a very competitive algorithm comparing to other common
metaheuristic algorithms as it has a super performance in the exploitation
phase while it is tested on unimodal benchmark functions. Therefore, the aim of
this paper is to hybridize GWO with WOA to overcome the problems. GWO can
perform well in exploiting optimal solutions. In this paper, a hybridized WOA
with GWO which is called WOAGWO is presented. The proposed hybridized model
consists of two steps. Firstly, the hunting mechanism of GWO is embedded into
the WOA exploitation phase with a new condition which is related to GWO.
Secondly, a new technique is added to the exploration phase to improve the
solution after each iteration. Experimentations are tested on three different
standard test functions which are called benchmark functions: 23 common
functions, 25 CEC2005 functions and 10 CEC2019 functions. The proposed WOAGWO
is also evaluated against original WOA, GWO and three other commonly used
algorithms. Results show that WOAGWO outperforms other algorithms depending on
the Wilcoxon rank-sum test. Finally, WOAGWO is likewise applied to solve an
engineering problem such as pressure vessel design. Then the results prove that
WOAGWO achieves optimum solution which is better than WOA and Fitness Dependent
Optimizer (FDO).
- Abstract（参考訳）: Whale Optimization Algorithm (WOA)のような最近のメタヒューリスティックアルゴリズムが提案されている。
このアルゴリズムを提案するアイデアは、ハクジラの狩猟行動に関係している。
しかし、WOAは、エクスプロイトフェーズではパフォーマンスが悪く、ローカルベストソリューションでは停滞している。
grey wolf optimization (gwo) は、他の一般的なメタヒューリスティックアルゴリズムと比較して非常に競争力のあるアルゴリズムである。
そこで本論文の目的は,GWOとWOAを併用してこの問題を克服することである。
GWOは最適解をうまく活用できる。
本稿では,WOAGWOと呼ばれるGWOをハイブリッド化したWOAについて述べる。
提案するハイブリダイゼーションモデルには2つのステップがある。
第一に、gwoの狩猟機構は、gwoに関連する新しい条件により、woaの搾取段階に埋め込まれる。
次に、各イテレーションの後にソリューションを改善するための新しいテクニックを探索フェーズに追加する。
23の共通関数、25のcec2005関数、10のcec2019関数である。
提案したWOAGWOは、元のWOA、GWOおよび他の3つの一般的なアルゴリズムに対して評価される。
結果,WOAGWOはウィルコクソンランクサム試験により他のアルゴリズムよりも優れていた。
最後に,圧力容器設計などの工学的問題を解決するためにWOAGWOも適用されている。
その結果、WOAGWO は WOA と Fitness Dependent Optimizer (FDO) よりも優れた最適解が得られることを示した。
関連論文リスト
- Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。
これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。
我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
論文 参考訳（メタデータ） (2024-07-22T23:24:03Z) - An Enhanced Grey Wolf Optimizer with Elite Inheritance and Balance Search Mechanisms [13.754649370512924]
グレイウルフ(GWO)は、灰色のオオカミの社会的リーダーシップ階層と狩猟メカニズム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として認識されている。
オリジナルのGWOでは、その基本的な最適化メカニズムに2つの重大な欠陥がある。
エリート継承機構とバランス探索機構を備えた強化されたグレイウルフを提案する。
論文 参考訳（メタデータ） (2024-04-09T03:28:00Z) - Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳（メタデータ） (2023-12-04T16:49:43Z) - GOOSE Algorithm: A Powerful Optimization Tool for Real-World Engineering Challenges and Beyond [4.939986309170004]
GOOSEアルゴリズムは19のよく知られたテスト関数でベンチマークされる。
提案アルゴリズムは, 最新のベンチマーク関数10を用いて検証する。
得られた結果は,提案アルゴリズムの優れた性能を示すものである。
論文 参考訳（メタデータ） (2023-07-19T19:14:25Z) - An efficient hybrid classification approach for COVID-19 based on Harris
Hawks Optimization and Salp Swarm Optimization [0.0]
本研究では、Covid-19分類のためのHarris Hawks Optimization Algorithm(HHO)とSalp Swarm Optimization(SSA)のハイブリッドバイナリバージョンを提案する。
提案アルゴリズム(HHOSSA)は,SVMで96%の精度,2つの分類器で98%,98%の精度を達成した。
論文 参考訳（メタデータ） (2022-12-25T19:52:18Z) - HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。
HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文 参考訳（メタデータ） (2022-10-31T14:06:11Z) - Surrogate modeling for Bayesian optimization beyond a single Gaussian
process [62.294228304646516]
本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。
拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。
提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
論文 参考訳（メタデータ） (2022-05-27T16:43:10Z) - 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) - A New K means Grey Wolf Algorithm for Engineering Problems [5.373967658884675]
本論文の主な目的は、局所オプティマに閉じ込められているGWO問題を克服することである。
提案アルゴリズムは K-means clustering Grey Wolf Optimization (KMGWO) と呼ばれる。
論文 参考訳（メタデータ） (2021-02-27T04:29:07Z) - The Archerfish Hunting Optimizer: a novel metaheuristic algorithm for
global optimization [0.8315801422499861]
グローバル最適化は、目的関数を最小化することにより、現実の問題を数値的にあるいは分析的に解決する。
我々はArcherfish Hunting (AHO)に基づくグローバルメタヒ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） (2021-02-03T16:22:31Z) - GEO: Enhancing Combinatorial Optimization with Classical and Quantum
Generative Models [62.997667081978825]
我々は、生成モデルとして知られる機械学習モデルを活用する新しいフレームワークを導入し、最適化問題を解決する。
我々は、テンソルネットワークマシンに依存するGEOの量子インスパイアされたバージョンに注力する。
関数呼び出し数に対する固定予算が与えられた場合、その目標が最小限の最小値を求める場合、その優れた性能を示す。
論文 参考訳（メタデータ） (2021-01-15T18:18:38Z)
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。