論文の概要: Simplified Swarm Optimization for Bi-Objection Active Reliability
Redundancy Allocation Problems
- arxiv url: http://arxiv.org/abs/2006.09844v1
- Date: Wed, 17 Jun 2020 13:15:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 19:15:22.371506
- Title: Simplified Swarm Optimization for Bi-Objection Active Reliability
Redundancy Allocation Problems
- Title（参考訳）: bi-objection active reliability redundancy allocation問題に対するswarm最適化
- Authors: Wei-Chang Yeh
- Abstract要約: 信頼性冗長性割り当て問題(RRAP)は、システム設計、開発、管理においてよく知られた問題である。
本研究では, コスト制約を新たな目標として変更することにより, 両対象RRAPを定式化する。
提案課題を解決するために,ペナルティ関数を備えた新しい簡易スワム最適化 (SSO) ,実効1型ソリューション構造,数値ベースの自己適応型新しい更新機構,制約付き非支配型ソリューション選択,および新しいpBest代替ポリシーを開発した。
- 参考スコア（独自算出の注目度）: 1.5990720051907859
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The reliability redundancy allocation problem (RRAP) is a well-known tool in
system design, development, and management. The RRAP is always modeled as a
nonlinear mixed-integer non-deterministic polynomial-time hardness (NP-hard)
problem. To maximize the system reliability, the integer (component active
redundancy level) and real variables (component reliability) must be determined
to ensure that the cost limit and some nonlinear constraints are satisfied. In
this study, a bi-objective RRAP is formulated by changing the cost constraint
as a new goal, because it is necessary to balance the reliability and cost
impact for the entire system in practical applications. To solve the proposed
problem, a new simplified swarm optimization (SSO) with a penalty function, a
real one-type solution structure, a number-based self-adaptive new update
mechanism, a constrained nondominated-solution selection, and a new pBest
replacement policy is developed in terms of these structures selected from
full-factorial design to find the Pareto solutions efficiently and effectively.
The proposed SSO outperforms several metaheuristic state-of-the-art algorithms,
e.g., nondominated sorting genetic algorithm II (NSGA-II) and multi-objective
particle swarm optimization (MOPSO), according to experimental results for four
benchmark problems involving the bi-objective active RRAP.
- Abstract（参考訳）: 信頼性冗長性割り当て問題(RRAP)は、システム設計、開発、管理においてよく知られたツールである。
RRAPは常に非線形混合整数非決定論的多項式時硬度(NP-hard)問題としてモデル化される。
システムの信頼性を最大化するために、コスト制限と非線形制約を満たすために、整数(コンポーネントアクティブ冗長度レベル)と実変数(コンポーネント信頼性)を決定する必要がある。
本研究では,システム全体の信頼性とコスト効果のバランスをとる必要があるため,コスト制約を新たな目標として変更することにより,両目的RRAPを定式化する。
提案する課題を解決するために, ペナルティ関数, 実1型解構造, 数ベースの自己適応型新更新機構, 制約のない非支配的解選択, および pbest 置換ポリシを備えた簡易群最適化 (sso) を, 完全因子設計から選択した構造を用いて開発し, パレート解を効率的かつ効果的に探索する。
nga-ii(nondominated sorting genetic algorithm ii)や多目的粒子群最適化(multi-objective particle swarm optimization, mopso)といったメタヒューリスティックな最先端アルゴリズムを,bi-objective active rrapを含む4つのベンチマーク問題に対する実験結果に匹敵する。
関連論文リスト
- Multiobjective Vehicle Routing Optimization with Time Windows: A Hybrid Approach Using Deep Reinforcement Learning and NSGA-II [52.083337333478674]
本稿では、時間窓を用いた多目的車両ルーティング問題(MOVRPTW)に対処するために、ウェイト・アウェア・ディープ・強化学習(WADRL)手法を提案する。
WADRLの結果を最適化するために非支配的ソート遺伝的アルゴリズム-II (NSGA-II) 法を用いる。
論文 参考訳（メタデータ） (2024-07-18T02:46:06Z) - Optimal Regularized Online Allocation by Adaptive Re-Solving [16.873430173722994]
本稿では、正規化されたオンラインリソース割り当て問題を解決するために、デュアルベースのアルゴリズムフレームワークを提案する。
資源制約を適応的に更新する戦略の下で、提案手法は経験的二重問題に対する近似解をある程度の精度で要求するのみである。
驚いたことに、二重目的関数の微妙な解析により、後悔境界における悪名高いログ係数を排除できる。
論文 参考訳（メタデータ） (2022-09-01T12:23:26Z) - Multi-objective robust optimization using adaptive surrogate models for
problems with mixed continuous-categorical parameters [0.0]
ロバスト設計の最適化は、不確実性が主に目的関数に影響を与える場合、伝統的に考慮されている。
結果として生じるネスト最適化問題は、非支配的ソート遺伝的アルゴリズム(NSGA-II)において、汎用的な解法を用いて解決することができる。
提案手法は、適応的に構築されたKrigingモデルを用いて、NSGA-IIを順次実行し、量子を推定する。
論文 参考訳（メタデータ） (2022-03-03T20:23:18Z) - Neural Stochastic Dual Dynamic Programming [99.80617899593526]
我々は、問題インスタンスを断片的線形値関数にマッピングすることを学ぶトレーニング可能なニューラルモデルを導入する。
$nu$-SDDPは、ソリューションの品質を犠牲にすることなく、問題解決コストを大幅に削減できる。
論文 参考訳（メタデータ） (2021-12-01T22:55:23Z) - Novel General Active Reliability Redundancy Allocation Problems and
Algorithm [1.5990720051907859]
信頼性冗長性割り当て問題(RRAP)は、システムの信頼性を最大化するために用いられる。
汎用RRAP(GRRAP)と呼ばれる新しいRRAPが提案され、シリーズ並列構造やブリッジネットワークをより一般的なネットワーク構造に拡張する。
提案された新しいGRRAPを解決するため、BAT-SSOA3と呼ばれる新しいアルゴリズムは、SSO(Swarm Optimization)を単純化してソリューションを更新した。
論文 参考訳（メタデータ） (2021-08-18T11:54:42Z) - Robust Topology Optimization Using Multi-Fidelity Variational Autoencoders [1.0124625066746595]
強靭なトポロジー最適化(RTO)問題は、最高の平均性能を持つ設計を特定する。
計算効率を向上するニューラルネットワーク手法を提案する。
本手法の数値解析は,Lブラケット構造のロバスト設計における単一点負荷と複数点負荷について述べる。
論文 参考訳（メタデータ） (2021-07-19T20:40:51Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。
このアプローチは多くの実装と最適化の課題をもたらします。
提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
論文 参考訳（メタデータ） (2021-03-18T14:26:26Z) - Resource Allocation via Model-Free Deep Learning in Free Space Optical
Communications [119.81868223344173]
本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。
本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-27T17:38:51Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z)
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。