論文の概要: Critical Analysis: Bat Algorithm based Investigation and Application on Several Domains

• arxiv url: http://arxiv.org/abs/2102.01201v1
• Date: Mon, 18 Jan 2021 19:25:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 21:03:08.186226
• Title: Critical Analysis: Bat Algorithm based Investigation and Application on Several Domains
• Title（参考訳）: 批判的分析:batアルゴリズムに基づく複数の領域の探索と応用
• Authors: Shahla U. Umar, Tarik A. Rashid
• Abstract要約: このアルゴリズムのアイデアはコウモリのエコーロケーション能力から取られた。 バットアルゴリズムは、背景、特徴、制限の観点から詳細に与えられる。
• 参考スコア（独自算出の注目度）: 1.1802674324027231
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years several swarm optimization algorithms, such as Bat Algorithm (BA) have emerged, which was proposed by Xin-She Yang in 2010. The idea of the algorithm was taken from the echolocation ability of bats. Purpose: The purpose of this study is to provide the reader with a full study of the Bat Algorithm, including its limitations, the fields that the algorithm has been applied, versatile optimization problems in different domains, and all the studies that assess its performance against other meta-heuristic algorithms. Approach: Bat Algorithm is given in-depth in terms of backgrounds, characteristics, limitations, it has also displayed the algorithms that hybridized with BA (K-Medoids, Back-propagation neural network, Harmony Search Algorithm, Differential Evaluation Strategies, Enhanced Particle Swarm Optimization, and Cuckoo Search Algorithm) and their theoretical results, as well as to the modifications that have been performed of the algorithm (Modified Bat Algorithm (MBA), Enhanced Bat Algorithm (EBA), Bat Algorithm with Mutation (BAM), Uninhabited Combat Aerial Vehicle-Bat algorithm with Mutation (UCAV-BAM), Nonlinear Optimization)... Findings: Shed light on the advantages and disadvantages of this algorithm through all the researches that dealt with the algorithm in addition to the fields and applications it has addressed in the hope that it will help scientists understand and develop it. Originality/value: As far as the research community knowledge, there is no comprehensive survey study conducted on this algorithm cover{\i}ng all its aspects. Keywords: Swarm Intelligence; Nature-Inspired Algorithms; Metaheuristic Algorithms; Optimization Algorithms; Bat Algorithm.
• Abstract（参考訳）: 近年,2010 年に xin-she yang が提案した bat algorithm (ba) などの群最適化アルゴリズムが提案されている。 このアルゴリズムのアイデアはコウモリのエコーロケーション能力から取られた。 目的: 本研究の目的は, batアルゴリズムの限界, アルゴリズムが適用されている分野, 異なる領域における汎用最適化問題, および他のメタヒューリスティックアルゴリズムに対する性能を評価するすべての研究を含む, 読者にbatアルゴリズムの完全な研究を提供することである。 Approach: Bat Algorithm is given in-depth in terms of backgrounds, characteristics, limitations, it has also displayed the algorithms that hybridized with BA (K-Medoids, Back-propagation neural network, Harmony Search Algorithm, Differential Evaluation Strategies, Enhanced Particle Swarm Optimization, and Cuckoo Search Algorithm) and their theoretical results, as well as to the modifications that have been performed of the algorithm (Modified Bat Algorithm (MBA), Enhanced Bat Algorithm (EBA), Bat Algorithm with Mutation (BAM), Uninhabited Combat Aerial Vehicle-Bat algorithm with Mutation (UCAV-BAM), Nonlinear Optimization)... 発見:このアルゴリズムの長所と短所を、アルゴリズムに対処するすべての研究と、それについて科学者が理解し、開発するのに役立つことを期待した分野と応用に光を当てた。 originality/value: 研究コミュニティの知識に関しては、このアルゴリズムに関する包括的な調査は行われていません。 キーワードは、swarm intelligence、nature-inspired algorithms、metaheuristic algorithms、optimize algorithms、bat algorithmである。

関連論文リスト

• GOOSE Algorithm: A Powerful Optimization Tool for Real-World Engineering Challenges and Beyond [4.939986309170004]
  GOOSEアルゴリズムは19のよく知られたテスト関数でベンチマークされる。 提案アルゴリズムは, 最新のベンチマーク関数10を用いて検証する。 得られた結果は,提案アルゴリズムの優れた性能を示すものである。
  論文  参考訳（メタデータ） (2023-07-19T19:14:25Z)
• 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)
• HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
  両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。 HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
  論文  参考訳（メタデータ） (2022-10-31T14:06:11Z)
• Algorithm Selection on a Meta Level [58.720142291102135]
  本稿では,与えられたアルゴリズムセレクタの組み合わせに最適な方法を求めるメタアルゴリズム選択の問題を紹介する。 本稿では,メタアルゴリズム選択のための一般的な方法論フレームワークと,このフレームワークのインスタンス化として具体的な学習手法を提案する。
  論文  参考訳（メタデータ） (2021-07-20T11:23:21Z)
• A Meta-Heuristic Search Algorithm based on Infrasonic Mating Displays in Peafowls [0.0]
  探索アルゴリズムの解空間が増大するにつれて、網羅的探索のような単純な手法は計算コストが高く、信頼性が低いものとなる。 本研究では, 重力探索アルゴリズムとオオカミの交尾行動から着想を得た赤外探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-28T09:04:51Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Identifying Co-Adaptation of Algorithmic and Implementational Innovations in Deep Reinforcement Learning: A Taxonomy and Case Study of Inference-based Algorithms [15.338931971492288]
  我々は、アルゴリズムの革新と実装決定を分離するために、一連の推論に基づくアクター批判アルゴリズムに焦点を当てる。 実装の詳細がアルゴリズムの選択に一致すると、パフォーマンスが大幅に低下します。 結果は、どの実装の詳細がアルゴリズムと共適応され、共進化しているかを示す。
  論文  参考訳（メタデータ） (2021-03-31T17:55:20Z)
• Nature-Inspired Optimization Algorithms: Research Direction and Survey [0.0]
  自然に着想を得たアルゴリズムは、様々な最適化問題を解くのによく用いられる。 我々は自然に触発されたアルゴリズムを自然進化ベース、群知性ベース、生物ベース、科学ベースなどと分類する。 本研究の目的は, インスピレーション源, 基本演算子, 制御パラメータ, 特徴, 変種, 適用範囲に基づいて, 様々な自然に着想を得たアルゴリズムを網羅的に解析することである。
  論文  参考訳（メタデータ） (2021-02-08T06:03:36Z)
• Evolving Reinforcement Learning Algorithms [186.62294652057062]
  メタラーニング強化学習アルゴリズムの手法を提案する。 学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。 従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
  論文  参考訳（メタデータ） (2021-01-08T18:55:07Z)
• Towards Meta-Algorithm Selection [78.13985819417974]
  インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。 メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-17T17:27:33Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。