論文の概要: Nature-Inspired Optimization Algorithms: Research Direction and Survey
- arxiv url: http://arxiv.org/abs/2102.04013v1
- Date: Mon, 8 Feb 2021 06:03:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-09 19:03:56.420591
- Title: Nature-Inspired Optimization Algorithms: Research Direction and Survey
- Title（参考訳）: 自然界にインスパイアされた最適化アルゴリズム:研究方向と調査
- Authors: Sachan Rohit Kumar and Kushwaha Dharmender Singh
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nature-inspired algorithms are commonly used for solving the various
optimization problems. In past few decades, various researchers have proposed a
large number of nature-inspired algorithms. Some of these algorithms have
proved to be very efficient as compared to other classical optimization
methods. A young researcher attempting to undertake or solve a problem using
nature-inspired algorithms is bogged down by a plethora of proposals that exist
today. Not every algorithm is suited for all kinds of problem. Some score over
others. In this paper, an attempt has been made to summarize various leading
research proposals that shall pave way for any new entrant to easily understand
the journey so far. Here, we classify the nature-inspired algorithms as natural
evolution based, swarm intelligence based, biological based, science based and
others. In this survey, widely acknowledged nature-inspired algorithms namely-
ACO, ABC, EAM, FA, FPA, GA, GSA, JAYA, PSO, SFLA, TLBO and WCA, have been
studied. The purpose of this review is to present an exhaustive analysis of
various nature-inspired algorithms based on its source of inspiration, basic
operators, control parameters, features, variants and area of application where
these algorithms have been successfully applied. It shall also assist in
identifying and short listing the methodologies that are best suited for the
problem.
- Abstract（参考訳）: 自然発のアルゴリズムは、様々な最適化問題を解決するためによく使われる。
過去数十年間、さまざまな研究者が自然由来のアルゴリズムを多数提案してきました。
これらのアルゴリズムのいくつかは他の古典的最適化法と比べて非常に効率的であることが証明されている。
自然にインスパイアされたアルゴリズムを使って問題を解こうとする若い研究者は、現在存在する多くの提案に悩まされている。
すべてのアルゴリズムがあらゆる種類の問題に適合するわけではない。
他よりも得点が多い。
本稿では,新たな参加者が容易に旅路を理解できるように,様々な先進的な研究提案を要約する試みを行っている。
ここでは、自然由来のアルゴリズムを自然進化ベース、群知能ベース、生物学的ベース、科学ベースなどとして分類します。
本調査では、ACO, ABC, EAM, FA, FPA, GA, GSA, JAYA, PSO, SFLA, TLBO, WCAといった自然発のアルゴリズムが広く認められている。
本研究の目的は,そのインスピレーション源,基本操作者,制御パラメータ,特徴量,変種,応用範囲に基づいて,様々な自然に触発されたアルゴリズムを徹底的に解析することである。
また、問題に最も適した方法論の特定と短いリスト作成にも役立ちます。
関連論文リスト
- A Generalized Evolutionary Metaheuristic (GEM) Algorithm for Engineering Optimization [1.6589012298747952]
近年の大きなトレンドは、自然に着想を得たメタヒュースティックアルゴリズム(NIMA)の利用である。
文献には540以上のアルゴリズムがあり、異なるアルゴリズムの探索機構を理解するための統一的なフレームワークはない。
20以上の異なるアルゴリズムを統一する一般化された進化的メタヒューリスティックアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-02T09:55:15Z) - Nature Inspired Evolutionary Swarm Optimizers for Biomedical Image and
Signal Processing -- A Systematic Review [0.0]
論文は28のピアレビュー関連記事と26のネイチャーインスパイアされたアルゴリズムをレビューする。
これらのアルゴリズムは、読者がそれぞれのアルゴリズムの信頼性と探索段階を理解するのを助けるために、徹底的に探索され、より少ない探索と未調査のカテゴリに分離する。
論文 参考訳（メタデータ） (2023-10-02T04:52:46Z) - 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) - 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) - A Survey On (Stochastic Fractal Search) Algorithm [0.0]
本稿ではフラクタルという数学的概念に基づく成長の自然現象に着想を得たフラクタル探索というメタヒューリスティックなアルゴリズムを提案する。
本論文は,提案アルゴリズムに適用される文献において一般的に用いられる工学設計最適化問題のステップと応用例にも注目する。
論文 参考訳（メタデータ） (2021-01-25T22:44:04Z) - Critical Analysis: Bat Algorithm based Investigation and Application on
Several Domains [1.1802674324027231]
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。
論文 参考訳（メタデータ） (2021-01-18T19:25:12Z) - 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) - 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) - Run2Survive: A Decision-theoretic Approach to Algorithm Selection based
on Survival Analysis [75.64261155172856]
生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。
我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。
標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
論文 参考訳（メタデータ） (2020-07-06T15:20:17Z) - Comprehensive Taxonomies of Nature- and Bio-inspired Optimization: Inspiration versus Algorithmic Behavior, Critical Analysis and Recommendations (from 2020 to 2024) [19.09373077982117]
生物学的過程を模倣して複雑な問題を解くバイオインスパイアされた最適化法が近年、人気を集めている。
バイオインスパイアされたアルゴリズムの数が指数関数的に増加することは、この研究領域の将来の軌道に課題をもたらす。
論文 参考訳（メタデータ） (2020-02-19T12:34:45Z)
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。