論文の概要: Evaluating the impact of different types of crossover and selection methods on the convergence of 0/1 Knapsack using Genetic Algorithm

• arxiv url: http://arxiv.org/abs/2010.03483v1
• Date: Wed, 7 Oct 2020 15:36:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 22:46:49.077080
• Title: Evaluating the impact of different types of crossover and selection methods on the convergence of 0/1 Knapsack using Genetic Algorithm
• Title（参考訳）: 遺伝的アルゴリズムを用いた0/1クナプサックの収束に及ぼす異種交叉法と選抜法の影響評価
• Authors: Waleed Bin Owais, Iyad W. J. Alkhazendar and Dr.Mohammad Saleh
• Abstract要約: 遺伝的アルゴリズム(英: Genetic Algorithm)は、最適化と探索問題の解法において勾配に基づく手法の失敗を克服するために導入された進化的アルゴリズムであり、メタヒューリスティックである。 以上の結果から,0/1knapsack問題に対する1点クロスオーバーとトーナメント選択の組み合わせの収束率が最も高く,0/1knapsackを解く上で最も効率的であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Genetic Algorithm is an evolutionary algorithm and a metaheuristic that was introduced to overcome the failure of gradient based method in solving the optimization and search problems. The purpose of this paper is to evaluate the impact on the convergence of Genetic Algorithm vis-a-vis 0/1 knapsack. By keeping the number of generations and the initial population fixed, different crossover methods like one point crossover and two-point crossover were evaluated and juxtaposed with each other. In addition to this, the impact of different selection methods like rank-selection, roulette wheel and tournament selection were evaluated and compared. Our results indicate that convergence rate of combination of one point crossover with tournament selection, with respect to 0/1 knapsack problem that we considered, is the highest and thereby most efficient in solving 0/1 knapsack.
• Abstract（参考訳）: 遺伝的アルゴリズムは進化的アルゴリズムであり、最適化や探索問題の解法における勾配に基づく手法の失敗を克服するために導入されたメタヒューリスティックである。 本研究の目的は,遺伝的アルゴリズム vis-a-vis 0/1 knapsack の収束への影響を評価することである。 世代数と初期個体数の固定を保ちながら, 1点交叉法と2点交叉法などの異なる交叉法を評価し, 互いに近似した。 さらに, ランク選択, ルーレットホイール, トーナメント選択など, 異なる選抜方法の影響を評価し, 比較した。 以上の結果から,0/1knapsack問題に対する1点クロスオーバーとトーナメント選択の組み合わせの収束率が最も高く,0/1knapsackを解く上で最も効率的であることが示唆された。

関連論文リスト

• Feature Selection via Robust Weighted Score for High Dimensional Binary Class-Imbalanced Gene Expression Data [1.2891210250935148]
  非平衡データに対する頑健な重み付けスコア (ROWSU) は, クラス不均衡問題を用いた高次元遺伝子発現二項分類における最も識別性の高い特徴を選択するために提案される。 ROWSU法の性能を6ドルの遺伝子発現データセットで評価した。
  論文  参考訳（メタデータ） (2024-01-23T11:22:03Z)
• Addressing The Knapsack Challenge Through Cultural Algorithm Optimization [0.0]
  我々は,0-1knapsack問題の解法に特化して設計された,新しい文化アルゴリズムの変種を紹介する。 提案アルゴリズムは,集団を改良するための信念空間と,交叉率と突然変異率を動的に調節する2つの重要な機能を導入している。 我々は,このアルゴリズムがグローバルな最適点を一貫して見つけ出す上で,顕著な効率性を示す証拠を提供する。
  論文  参考訳（メタデータ） (2023-10-30T17:05:19Z)
• A Hybrid Chimp Optimization Algorithm and Generalized Normal Distribution Algorithm with Opposition-Based Learning Strategy for Solving Data Clustering Problems [0.0]
  本稿では、類似データと異種データを異なるグループに分類するコネクティビティ原則に基づいて、クラスタを分離するデータクラスタリングについて検討する。 メタヒューリスティック最適化アルゴリズムとインテリジェンスに基づく手法が,最適解を妥当な時間で達成するために導入された。
  論文  参考訳（メタデータ） (2023-02-16T23:29:01Z)
• Efficient Approximate Kernel Based Spike Sequence Classification [56.2938724367661]
  SVMのような機械学習モデルは、シーケンスのペア間の距離/相似性の定義を必要とする。 厳密な手法により分類性能は向上するが、計算コストが高い。 本稿では,その予測性能を向上させるために,近似カーネルの性能を改善する一連の方法を提案する。
  論文  参考訳（メタデータ） (2022-09-11T22:44:19Z)
• First-Order Algorithms for Nonlinear Generalized Nash Equilibrium Problems [88.58409977434269]
  非線形一般化ナッシュ均衡問題(NGNEP)における平衡計算の問題を考える。 我々の貢献は、2次ペナルティ法と拡張ラグランジアン法に基づく2つの単純な一階アルゴリズムフレームワークを提供することである。 これらのアルゴリズムに対する漸近的理論的保証を提供する。
  論文  参考訳（メタデータ） (2022-04-07T00:11:05Z)
• Gradient Based Clustering [72.15857783681658]
  本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。 アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
  論文  参考訳（メタデータ） (2022-02-01T19:31:15Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• Population based change-point detection for the identification of homozygosity islands [0.0]
  本稿では,動的プログラミングアルゴリズムで効率的に計算したり,高速なグリーディ二分法アルゴリズムで近似できるペナル化最大可能性法を提案する。 両アルゴリズムは、確率ベクトルの分布と独立サンプリングに関する非常に一般的な仮定の下で、ほぼ確実に変化点の集合に収束することを示す。 この新しいアプローチは、集団内の個人のゲノム上のホモ接合性島を同定する問題によって動機付けられている。
  論文  参考訳（メタデータ） (2021-11-19T12:53:41Z)
• Mean-based Best Arm Identification in Stochastic Bandits under Reward Contamination [80.53485617514707]
  本稿では,ギャップベースアルゴリズムと逐次除去に基づく2つのアルゴリズムを提案する。 具体的には、ギャップベースのアルゴリズムでは、サンプルの複雑さは定数要素まで最適であり、連続的な除去では対数因子まで最適である。
  論文  参考訳（メタデータ） (2021-11-14T21:49:58Z)
• Multivariate feature ranking of gene expression data [62.997667081978825]
  ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。 提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-03T17:19:53Z)
• Influence of Binomial Crossover on Approximation Error of Evolutionary Algorithms [10.984298685238445]
  本稿では,二項交叉が進化的アルゴリズムの近似誤差を低減できるかどうかを問う。 二項交叉は遷移行列の優位性をもたらすことが証明された。 知覚上の二項交叉の優位性を高めるための適応的パラメータ戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-29T05:15:01Z)

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。