論文の概要: Fuzzy Mutation Embedded Hybrids of Gravitational Search and Particle Swarm Optimization Methods for Engineering Design Problems

• arxiv url: http://arxiv.org/abs/2005.04599v1
• Date: Sun, 10 May 2020 07:42:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 01:19:26.317092
• Title: Fuzzy Mutation Embedded Hybrids of Gravitational Search and Particle Swarm Optimization Methods for Engineering Design Problems
• Title（参考訳）: 工学設計問題に対するファジィ変異埋め込み型重力探索法と粒子群最適化法
• Authors: Devroop Kar, Manosij Ghosh, Ritam Guha, Ram Sarkar, Laura Garc\'ia-Hern\'andez, Ajith Abraham
• Abstract要約: 我々はGSAとPSOの2つのハイブリッドバージョンに対するファジィ突然変異モデルを提案した。 開発したアルゴリズムはMutation based GPS (MGPS) と Mutation based PSOGSA と呼ばれる。 我々はこれら2つの新しいアルゴリズムを3つのカテゴリの23のベンチマーク関数上で評価した(一様、多モード、固定次元のマルチモーダル)。
• 参考スコア（独自算出の注目度）: 37.260815721072525
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gravitational Search Algorithm (GSA) and Particle Swarm Optimization (PSO) are nature-inspired, swarm-based optimization algorithms respectively. Though they have been widely used for single-objective optimization since their inception, they suffer from premature convergence. Even though the hybrids of GSA and PSO perform much better, the problem remains. Hence, to solve this issue we have proposed a fuzzy mutation model for two hybrid versions of PSO and GSA - Gravitational Particle Swarm (GPS) and PSOGSA. The developed algorithms are called Mutation based GPS (MGPS) and Mutation based PSOGSA (MPSOGSA). The mutation operator is based on a fuzzy model where the probability of mutation has been calculated based on the closeness of particle to population centroid and improvement in the particle value. We have evaluated these two new algorithms on 23 benchmark functions of three categories (unimodal, multi-modal and multi-modal with fixed dimension). The experimental outcome shows that our proposed model outperforms their corresponding ancestors, MGPS outperforms GPS 13 out of 23 times (56.52%) and MPSOGSA outperforms PSOGSA 17 times out of 23 (73.91 %). We have also compared our results against those of recent optimization algorithms such as Sine Cosine Algorithm (SCA), Opposition-Based SCA, and Volleyball Premier League Algorithm (VPL). In addition, we have applied our proposed algorithms on some classic engineering design problems and the outcomes are satisfactory. The related codes of the proposed algorithms can be found in this link: Fuzzy-Mutation-Embedded-Hybrids-of-GSA-and-PSO.
• Abstract（参考訳）: Gravitational Search Algorithm (GSA) と Particle Swarm Optimization (PSO) はそれぞれ自然に着想を得たSwarmベースの最適化アルゴリズムである。 当初は単目的最適化に広く用いられていたが、早期収束に悩まされていた。 GSAとPSOのハイブリッドはより良く動作するが、問題は残る。 そこで本研究では, PSO と GSA の2種類のハイブリッド版である Gravitational Particle Swarm (GPS) と PSOGSA のファジィ突然変異モデルを提案する。 開発したアルゴリズムは、Mutation based GPS (MGPS) と Mutation based PSOGSA (MPSOGSA) と呼ばれる。 変異演算子は、粒子の集団中心への近さと粒子値の改善に基づいて突然変異の確率が計算されたファジィモデルに基づいている。 我々はこれら2つの新しいアルゴリズムを3つのカテゴリの23のベンチマーク関数で評価した(一様,多様,多様,多様)。 MGPSは23回(56.52%)でGPS 13を、MPSOGSAは23回(73.91%)でPSOGSAを17回(73.91%)上回った。 また,最近の最適化アルゴリズムであるSine Cosine Algorithm (SCA), Opposition-based SCA, Volleyball Premier League Algorithm (VPL)と比較した。 さらに,提案アルゴリズムをいくつかの古典的エンジニアリング設計問題に適用し,その結果が良好である。 提案アルゴリズムの関連コードは、Fuzzy-Mutation-Embedded-Hybrids-of-GSA-and-PSOというリンクで見ることができる。

関連論文リスト

• GOOSE Algorithm: A Powerful Optimization Tool for Real-World Engineering Challenges and Beyond [1.1802674324027231]
  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)
• 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)
• Genetically Modified Wolf Optimization with Stochastic Gradient Descent for Optimising Deep Neural Networks [0.0]
  本研究の目的は、人口ベースメタヒューリスティックアルゴリズムを用いて、ニューラルネットワーク(NN)重み付けを最適化するための代替アプローチを分析することである。 Grey Wolf (GWO) と Genetic Modified Algorithms (GA) のハイブリッドをグラディエント・Descent (SGD) と組み合わせて検討した。 このアルゴリズムは、高次元性の問題にも対処しながら、エクスプロイトと探索の組み合わせを可能にする。
  論文  参考訳（メタデータ） (2023-01-21T13:22:09Z)
• 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)
• Chaos inspired Particle Swarm Optimization with Levy Flight for Genome Sequence Assembly [0.0]
  本稿では、置換最適化問題に対処するため、新しいPSOの変種を提案する。 PSOはChaos and Levy Flight (ランダムウォークアルゴリズム)と統合され、アルゴリズムの探索と利用能力のバランスをとる。 論文で提案する他のPSOの変種と比較して,提案手法の性能を評価するための実証実験を行った。
  論文  参考訳（メタデータ） (2021-10-20T15:24:27Z)
• 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)
• 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)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• Motion-Encoded Particle Swarm Optimization for Moving Target Search Using UAVs [4.061135251278187]
  本稿では,無人航空機(UAV)を用いた移動目標探索のための動き符号化粒子群最適化(MPSO)という新しいアルゴリズムを提案する。 提案するMPSOは,PSOアルゴリズムで粒子生成に進化する一連のUAV運動経路として探索軌道を符号化することにより,その問題を解決するために開発された。 既存手法による広範囲なシミュレーションの結果,提案手法は検出性能を24%,時間性能を4.71倍改善した。
  論文  参考訳（メタデータ） (2020-10-05T14:17:49Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。