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

• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。 従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。 オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Enhancing Feature Selection and Interpretability in AI Regression Tasks Through Feature Attribution [38.53065398127086]
  本研究では、回帰問題に対する入力データの非形式的特徴をフィルタリングする特徴属性法の可能性について検討する。 我々は、初期データ空間から最適な変数セットを選択するために、統合グラディエントとk平均クラスタリングを組み合わせた機能選択パイプラインを導入する。 提案手法の有効性を検証するため, ターボ機械の開発過程における羽根振動解析を実世界の産業問題に適用した。
  論文  参考訳（メタデータ） (2024-09-25T09:50:51Z)
• Towards Data-Centric Face Anti-Spoofing: Improving Cross-domain Generalization via Physics-based Data Synthesis [64.46312434121455]
  Face Anti-Spoofing (FAS) 研究は、トレーニングデータとテストデータの間にドメインギャップがあるクロスドメイン問題によって難題となっている。 本研究では,タスク固有のFASデータ拡張(FAS-Aug)を提案する。 また,特定の種類のアーティファクトをモデルが依存しないようにし,一般化性能を向上させるために,SARE(Spowing Attack Risk Equalization)を提案する。
  論文  参考訳（メタデータ） (2024-09-04T01:45:18Z)
• Deep Learning Activation Functions: Fixed-Shape, Parametric, Adaptive, Stochastic, Miscellaneous, Non-Standard, Ensemble [0.0]
  活性化関数(AF)は、ディープラーニングモデルのアーキテクチャにおいて重要な役割を果たす。 本稿では, 固定形, 適応型, 非標準型, アンサンブル/組合わせ型など, 様々な種類のAFについて概観する。 本研究は,12種類の最先端AFを比較検討した。
  論文  参考訳（メタデータ） (2024-07-14T17:53:49Z)
• 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)
• 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。