論文の概要: Epistocracy Algorithm: A Novel Hyper-heuristic Optimization Strategy for Solving Complex Optimization Problems

• arxiv url: http://arxiv.org/abs/2102.00292v1
• Date: Sat, 30 Jan 2021 19:07:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-03 00:41:36.717734
• Title: Epistocracy Algorithm: A Novel Hyper-heuristic Optimization Strategy for Solving Complex Optimization Problems
• Title（参考訳）: エピストクラシーアルゴリズム:複素最適化問題の解法のための新しいハイパーヒューリスティック最適化戦略
• Authors: Seyed Ziae Mousavi Mojab, Seyedmohammad Shams, Hamid Soltanian-Zadeh, Farshad Fotouhi
• Abstract要約: 本稿では,人間の社会・政治行動と知性を組み込んで複雑な最適化問題を解く,エピストクラシーという新しい進化的アルゴリズムを提案する。 エピストクラシーのアルゴリズムのインスピレーションは、教育を受けた人々が教育を受けていない人や教育を受けていない人よりも投票力を持つ政治体制に端を発する。 実験結果から, エピストクラシーアルゴリズムは, 性能, 精度, 堅牢性の観点から, 最先端の進化的, 群知能アルゴリズムよりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 1.471992435706872
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper proposes a novel evolutionary algorithm called Epistocracy which incorporates human socio-political behavior and intelligence to solve complex optimization problems. The inspiration of the Epistocracy algorithm originates from a political regime where educated people have more voting power than the uneducated or less educated. The algorithm is a self-adaptive, and multi-population optimizer in which the evolution process takes place in parallel for many populations led by a council of leaders. To avoid stagnation in poor local optima and to prevent a premature convergence, the algorithm employs multiple mechanisms such as dynamic and adaptive leadership based on gravitational force, dynamic population allocation and diversification, variance-based step-size determination, and regression-based leadership adjustment. The algorithm uses a stratified sampling method called Latin Hypercube Sampling (LHS) to distribute the initial population more evenly for exploration of the search space and exploitation of the accumulated knowledge. To investigate the performance and evaluate the reliability of the algorithm, we have used a set of multimodal benchmark functions, and then applied the algorithm to the MNIST dataset to further verify the accuracy, scalability, and robustness of the algorithm. Experimental results show that the Epistocracy algorithm outperforms the tested state-of-the-art evolutionary and swarm intelligence algorithms in terms of performance, precision, and convergence.
• Abstract（参考訳）: 本稿では,人間の社会・政治行動と知性を組み込んで複雑な最適化問題を解く,エピストクラシーという新しい進化的アルゴリズムを提案する。 エピストクラシーアルゴリズムのインスピレーションは、教育を受けた人々が未教育か教育されていないよりも投票権を持つ政治政権に由来します。 このアルゴリズムは自己適応型でマルチ人口最適化であり、進化過程はリーダー評議会が主導する多くの集団で並行して行われる。 局所視能の低下を回避し, 早期収束を防止すべく, 重力力に基づく動的および適応的リーダーシップ, 動的人口配分と多様化, 分散に基づくステップサイズ決定, 回帰に基づくリーダーシップ調整といった複数の機構を用いる。 このアルゴリズムは、ラテンハイパーキューブサンプリング(LHS)と呼ばれる階層化サンプリング手法を用いて、探索空間の探索と蓄積した知識の活用のために、初期人口をより均等に分配する。 アルゴリズムの性能を調査し,信頼性を評価するために,マルチモーダルベンチマーク関数のセットを用い,そのアルゴリズムをMNISTデータセットに適用し,アルゴリズムの精度,スケーラビリティ,堅牢性を検証した。 実証実験の結果, エピストクラシーアルゴリズムは, 性能, 正確性, 収束性の観点から, 最先端進化・群知能アルゴリズムよりも優れていることがわかった。

関連論文リスト

• A Nonlinear African Vulture Optimization Algorithm Combining Henon Chaotic Mapping Theory and Reverse Learning Competition Strategy [9.252838762325927]
  ヘノンのカオスマッピング理論とエリート集団戦略は、ハゲワシの初期個体数のランダム性と多様性を改善するために提案されている。 逆学習競争戦略は、最適解に対する発見分野の拡大を目的としている。 提案したHWEAVOAは, 収束速度, 最適化能力, 解安定性における比較アルゴリズムよりも優れている全試験関数で第1位である。
  論文  参考訳（メタデータ） (2024-03-22T01:20:45Z)
• Rank-Based Learning and Local Model Based Evolutionary Algorithm for High-Dimensional Expensive Multi-Objective Problems [1.0499611180329806]
  提案アルゴリズムは, ランクベース学習, ハイパーボリュームベース非支配探索, 比較的スパースな対象空間における局所探索の3つの部分からなる。 地熱貯留層熱抽出最適化におけるベンチマーク問題と実世界の応用の実験的結果は,提案アルゴリズムが優れた性能を示すことを示すものである。
  論文  参考訳（メタデータ） (2023-04-19T06:25:04Z)
• Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics [89.24951036534168]
  メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。 本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
  論文  参考訳（メタデータ） (2022-10-23T22:21:10Z)
• Accelerating the Evolutionary Algorithms by Gaussian Process Regression with $\epsilon$-greedy acquisition function [2.7716102039510564]
  本稿では,最適化の収束を早めるために,エリート個人を推定する新しい手法を提案する。 我々の提案には、エリート個人を推定し、最適化の収束を加速する幅広い見通しがある。
  論文  参考訳（メタデータ） (2022-10-13T07:56:47Z)
• Introductory Studies of Swarm Intelligence Techniques [1.2930503923129208]
  群れ知能は、個体の集団的研究と、群れの知的行動につながる相互相互作用を含む。 この章では、様々な人口ベースのSIアルゴリズム、基本構造、数学的モデルについて紹介している。
  論文  参考訳（メタデータ） (2022-09-26T16:29:55Z)
• Runtime Analysis of Competitive co-Evolutionary Algorithms for Maximin Optimisation of a Bilinear Function [1.3053649021965603]
  共進化的アルゴリズムには、ハードウェア設計、ボードゲーム戦略の進化、ソフトウェアバグのパッチなど、幅広い応用がある。 共進化的アルゴリズムが解を効率的にかつ確実に見つけることを予測できる理論を開発することは、オープンな挑戦である。 本稿では,人口ベース競争共進化型アルゴリズムのランタイム解析開発における第一歩について述べる。
  論文  参考訳（メタデータ） (2022-06-30T12:35:36Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• 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)
• Variance-Reduced Off-Policy Memory-Efficient Policy Search [61.23789485979057]
  政治政策の最適化は強化学習において難しい問題である。 オフポリシーアルゴリズムはメモリ効率が高く、オフポリシーサンプルから学ぶことができる。
  論文  参考訳（メタデータ） (2020-09-14T16:22:46Z)
• EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
  EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。 これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。 その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
  論文  参考訳（メタデータ） (2020-07-09T10:19:22Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。