論文の概要: CSCF: a chaotic sine cosine firefly Algorithm for practical application
problems
- arxiv url: http://arxiv.org/abs/2011.10283v1
- Date: Fri, 20 Nov 2020 08:54:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 05:42:27.362622
- Title: CSCF: a chaotic sine cosine firefly Algorithm for practical application
problems
- Title（参考訳）: cscf:実用的な応用問題に対するカオス正弦波コサインホタルアルゴリズム
- Authors: Bryar A. Hassan
- Abstract要約: いくつかの最適化アルゴリズム、すなわちファイアフライアルゴリズム、正弦コサインアルゴリズム、粒子群最適化アルゴリズムは、計算複雑性、収束速度などの欠点はほとんどない。
本稿では,最適化問題を解くために,多数の変種を持つ新しいCSCFアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recently, numerous meta-heuristic based approaches are deliberated to reduce
the computational complexities of several existing approaches that include
tricky derivations, very large memory space requirement, initial value
sensitivity etc. However, several optimization algorithms namely firefly
algorithm, sine cosine algorithm, particle swarm optimization algorithm have
few drawbacks such as computational complexity, convergence speed etc. So to
overcome such shortcomings, this paper aims in developing a novel Chaotic Sine
Cosine Firefly (CSCF) algorithm with numerous variants to solve optimization
problems. Here, the chaotic form of two algorithms namely the sine cosine
algorithm (SCA) and the Firefly (FF) algorithms are integrated to improve the
convergence speed and efficiency thus minimizing several complexity issues.
Moreover, the proposed CSCF approach is operated under various chaotic phases
and the optimal chaotic variants containing the best chaotic mapping is
selected. Then numerous chaotic benchmark functions are utilized to examine the
system performance of the CSCF algorithm. Finally, the simulation results for
the problems based on engineering design are demonstrated to prove the
efficiency, robustness and effectiveness of the proposed algorithm.
- Abstract（参考訳）: 近年,多くのメタヒューリスティックなアプローチが,難解な導出,非常に大きなメモリ空間要件,初期値感度など,いくつかの既存手法の計算複雑性の低減を意図している。
しかしながら、いくつかの最適化アルゴリズム、すなわちfireflyアルゴリズム、sine cosineアルゴリズム、 particle swarm optimizationアルゴリズムは計算複雑性や収束速度といった欠点が少ない。
このような欠点を克服するため,本稿では,最適化問題を解くために,多数の変種を持つ新しいCSCFアルゴリズムを提案する。
ここでは、2つのアルゴリズムのカオス形式である正コサインアルゴリズム(SCA)とファイアフライアルゴリズム(FF)を統合し、収束速度と効率を改善することにより、いくつかの複雑性問題を最小化する。
さらに、提案するcscfアプローチは様々なカオス相の下で動作し、最適なカオスマッピングを含む最適なカオス変種を選択する。
次に、CSCFアルゴリズムのシステム性能を調べるために、多数のカオスベンチマーク関数を利用する。
最後に, 工学設計に基づく問題に対するシミュレーション結果を用いて, 提案アルゴリズムの有効性, 堅牢性, 有効性を示す。
関連論文リスト
- A two-phase-ACO algorithm for solving nonlinear optimization problems subjected to fuzzy relational equations [0.0]
本稿では,制約をファジィリレーショナル方程式(FRE)と定義した非線形最適化問題について検討する。
アルゴリズム問題に対処するアリコロニー最適化アルゴリズム(ACORで記述)と連続アリコロニー最適化アルゴリズム(ACOで記述)の連続最適化問題の解法について論じる。
論文 参考訳（メタデータ） (2024-05-17T09:24:07Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳（メタデータ） (2023-07-17T20:11:56Z) - Hybrid ACO-CI Algorithm for Beam Design problems [0.4397520291340694]
The novel hybrid version of the Ant colony optimization (ACO) method was developed using the sample space reduction technique of the Cohort Intelligence (CI) algorithm。
提案した研究は、工学領域や医療問題を含む現実世界の応用について検討することができる。
論文 参考訳（メタデータ） (2023-03-29T04:37:14Z) - Composite Optimization Algorithms for Sigmoid Networks [3.160070867400839]
線形化近位アルゴリズムと乗算器の交互方向に基づく合成最適化アルゴリズムを提案する。
フランク関数のフィッティングに関する数値実験により、提案アルゴリズムは十分堅牢に機能することを示した。
論文 参考訳（メタデータ） (2023-03-01T15:30:29Z) - High-Speed Resource Allocation Algorithm Using a Coherent Ising Machine
for NOMA Systems [3.6406488220483326]
NOMA手法の有効性を十分に活用する上で重要な課題は、リソース割り当ての最適化である。
NOMAシステムにおけるチャネル割り当てのためのコヒーレントIsing Machine(CIM)に基づく最適化手法を提案する。
提案手法は, 高速化と最適解の両面において優れていることを示す。
論文 参考訳（メタデータ） (2022-12-03T09:22:54Z) - Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex
Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。
我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。
我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文 参考訳（メタデータ） (2021-06-08T15:54:44Z) - A bi-level encoding scheme for the clustered shortest-path tree problem
in multifactorial optimization [1.471992435706872]
CluSPT(Clustered Shortest-Path Tree Problem)は、実生活における様々な最適化問題において重要な役割を果たしている。
近年、CluSPTを扱うためにMFEA(Multifactorial Evolutionary Algorithm)が導入されている。
本稿では,MFEAに基づくCluSPTの解法について述べる。
論文 参考訳（メタデータ） (2021-02-12T13:36:07Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z) - 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。