論文の概要: A Review of the Family of Artificial Fish Swarm Algorithms: Recent
Advances and Applications
- arxiv url: http://arxiv.org/abs/2011.05700v2
- Date: Thu, 12 May 2022 15:46:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 23:42:36.581944
- Title: A Review of the Family of Artificial Fish Swarm Algorithms: Recent
Advances and Applications
- Title(参考訳): 人工魚群アルゴリズムの系譜 : 最近の進歩と応用
- Authors: Farhad Pourpanah and Ran Wang and Chee Peng Lim and Xi-Zhao Wang and
Danial Yazdani
- Abstract要約: 人工魚群アルゴリズム(AFSA)は、自然界における魚の教育の生態的行動にインスパイアされている。
AFSAのファミリーは、実世界の最適化問題を解決するために広く応用された効果的なSwarm Intelligence(SI)方法論として登場した。
- 参考スコア(独自算出の注目度): 17.831214677737478
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Artificial Fish Swarm Algorithm (AFSA) is inspired by the ecological
behaviors of fish schooling in nature, viz., the preying, swarming and
following behaviors. Owing to a number of salient properties, which include
flexibility, fast convergence, and insensitivity to the initial parameter
settings, the family of AFSA has emerged as an effective Swarm Intelligence
(SI) methodology that has been widely applied to solve real-world optimization
problems. Since its introduction in 2002, many improved and hybrid AFSA models
have been developed to tackle continuous, binary, and combinatorial
optimization problems. This paper aims to present a concise review of the
continuous AFSA, encompassing the original ASFA, its improvements and hybrid
models, as well as their associated applications. We focus on articles
published in high-quality journals since 2013. Our review provides insights
into AFSA parameters modifications, procedures and sub-functions. The main
reasons for these enhancements and the comparison results with other hybrid
methods are discussed. In addition, hybrid, multi-objective and dynamic AFSA
models that have been proposed to solve continuous optimization problems are
elucidated. We also analyse possible AFSA enhancements and highlight future
research directions for advancing AFSA-based models.
- Abstract(参考訳): 人工魚群アルゴリズム(artificial fish swarm algorithm,afsa)は,魚類の自然教育における生態行動,捕食行動,群れ行動,追従行動に着想を得ている。
フレキシビリティ、高速収束、初期パラメータ設定に対する感度の低下など、多くの有能な性質から、AFSAのファミリーは実世界の最適化問題を解決するために広く応用された効果的なSwarm Intelligence(SI)方法論として登場した。
2002年に導入されて以来、連続、バイナリ、組合せ最適化問題に取り組むために多くの改良されたハイブリッドAFSAモデルが開発されてきた。
本稿では,ASFA,その改良およびハイブリッドモデル,およびそれに関連する応用を包含した,連続AFSAの簡潔なレビューを行う。
我々は2013年以降、高品質な雑誌に掲載された記事に焦点を当てている。
AFSAパラメータの変更、手順、サブファンクションに関する洞察を提供する。
これらの拡張の主な理由と他のハイブリッド手法との比較結果について論じる。
さらに, 連続最適化問題の解法として提案されているハイブリッド, 多目的, 動的AFSAモデルについて検討した。
また、AFSAの強化の可能性を分析し、AFSAベースのモデルの発展に向けた今後の研究の方向性を明らかにする。
関連論文リスト
- Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2023-09-27T14:39:41Z) - On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model,
Data, and Training [109.9218185711916]
アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。
我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
論文 参考訳(メタデータ) (2023-04-19T11:07:43Z) - Exploring the effectiveness of surrogate-assisted evolutionary
algorithms on the batch processing problem [0.0]
本稿では,文献におけるよく知られたバッチ処理問題のシミュレーションを紹介する。
遺伝的アルゴリズム(GA)や微分進化(DE)といった進化的アルゴリズムを用いてシミュレーションの最適なスケジュールを見つける。
次に、サロゲート支援されたアルゴリズムによって得られる解の質を、ベースラインアルゴリズムと比較する。
論文 参考訳(メタデータ) (2022-10-31T09:00:39Z) - 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) - Quality Diversity Evolutionary Learning of Decision Trees [4.447467536572625]
MAP-Elitesは, モデル複雑性と振る舞いの多様性の両方を捉えた特徴空間上で, ハイブリッドモデルを多様化することができることを示す。
本手法をOpenAI Gymライブラリの2つのよく知られた制御問題に適用し,MAP-Elitesが提案する「照明」パターンについて議論する。
論文 参考訳(メタデータ) (2022-08-17T13:57:32Z) - Reinforced Few-Shot Acquisition Function Learning for Bayesian
Optimization [6.2283964963356295]
また, ブラックボックス機能の違いにより, 最良性能のAFが有意に異なることが観察された。
本稿では,この課題に対して,FSAF(Reforceed few-shot AF learning)の観点から対処することを目的とする。
FSAFは、さまざまな合成および実世界のテスト機能に関する最先端のベンチマークよりも、同等またはより良い後悔を達成していることを示す。
論文 参考訳(メタデータ) (2021-06-08T13:46:46Z) - Better call Surrogates: A hybrid Evolutionary Algorithm for
Hyperparameter optimization [18.359749929678635]
機械学習(ML)モデルのハイパーパラメータ最適化のための代理支援進化アルゴリズム(EA)を提案する。
提案したSTEADEモデルは,まずRadialBasis関数を用いて目的関数のランドスケープを推定し,その知識を微分進化(differial Evolution)と呼ばれるEA技術に伝達する。
NeurIPS 2020のブラックボックス最適化課題の一環として、ハイパーパラメータ最適化問題に関するモデルを実証的に評価し、STEADEがバニラEAにもたらした改善を実証しました。
論文 参考訳(メタデータ) (2020-12-11T16:19:59Z) - Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring
Systems [64.4896118325552]
モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。
AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
論文 参考訳(メタデータ) (2020-07-14T03:49:43Z) - An Asymptotically Optimal Multi-Armed Bandit Algorithm and
Hyperparameter Optimization [48.5614138038673]
本稿では,高パラメータ探索評価のシナリオにおいて,SS (Sub-Sampling) と呼ばれる効率的で堅牢な帯域幅に基づくアルゴリズムを提案する。
また,BOSSと呼ばれる新しいパラメータ最適化アルゴリズムを開発した。
実験的な研究は、SSの理論的議論を検証し、多くのアプリケーションにおけるBOSSの優れた性能を実証する。
論文 参考訳(メタデータ) (2020-07-11T03:15:21Z) - Recent Developments Combining Ensemble Smoother and Deep Generative
Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。
本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文 参考訳(メタデータ) (2020-05-08T21:32:42Z)
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。