論文の概要: Golden Tortoise Beetle Optimizer: A Novel Nature-Inspired Meta-heuristic
Algorithm for Engineering Problems
- arxiv url: http://arxiv.org/abs/2104.01521v1
- Date: Sun, 4 Apr 2021 02:29:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-07 08:38:52.063707
- Title: Golden Tortoise Beetle Optimizer: A Novel Nature-Inspired Meta-heuristic
Algorithm for Engineering Problems
- Title（参考訳）: ゴールデン・トルトーゼ・ビートル・オプティマイザ:工学的問題に対する自然に着想を得たメタヒューリスティックアルゴリズム
- Authors: Omid Tarkhaneh, Neda Alipour, Amirahmad Chapnevis, Haifeng Shen
- Abstract要約: 本稿では,GTBO(Golden Tortoise Beetle)と呼ばれる,自然に着想を得たメタヒューリスティックアルゴリズムを提案する。
これは、交配のために反対のセックスを引き付けるために色を変える黄金のカメの行動を模倣し、捕食者を阻止するために肛門フォークの一種を使用するその保護戦略。
- 参考スコア（独自算出の注目度）: 10.186060209859026
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a novel nature-inspired meta-heuristic algorithm called
the Golden Tortoise Beetle Optimizer (GTBO) to solve optimization problems. It
mimics golden tortoise beetle's behavior of changing colors to attract opposite
sex for mating and its protective strategy that uses a kind of anal fork to
deter predators. The algorithm is modeled based on the beetle's dual
attractiveness and survival strategy to generate new solutions for optimization
problems. To measure its performance, the proposed GTBO is compared with five
other nature-inspired evolutionary algorithms on 24 well-known benchmark
functions investigating the trade-off between exploration and exploitation,
local optima avoidance, and convergence towards the global optima is
statistically significant. We particularly applied GTBO to two well-known
engineering problems including the welded beam design problem and the gear
train design problem. The results demonstrate that the new algorithm is more
efficient than the five baseline algorithms for both problems. A sensitivity
analysis is also performed to reveal different impacts of the algorithm's key
control parameters and operators on GTBO's performance.
- Abstract（参考訳）: 本稿では,GTBO(Golden Tortoise Beetle Optimizer)と呼ばれる,自然に着想を得たメタヒューリスティックアルゴリズムを提案する。
交尾のために交尾するために色を変えるという金色のカメの行動や、捕食者を抑止するために一種のアナルフォークを使用する保護戦略を模倣している。
アルゴリズムは、最適化問題に対する新しい解を生成するために、甲虫の双対魅力と生存戦略に基づいてモデル化される。
提案したGTBOは、探索と利用のトレードオフ、局所最適回避、グローバル最適への収束を統計的に検討する24のよく知られたベンチマーク関数に対して、他の5つの自然に着想を得た進化アルゴリズムと比較した。
溶接梁設計問題や歯車設計問題など,GTBOをよく知られた2つの工学的問題に適用した。
その結果,新しいアルゴリズムは,両問題に対する5つのベースラインアルゴリズムよりも効率的であることが判明した。
また,gtboの性能に対するアルゴリズムの鍵制御パラメータと演算子の異なる影響を明らかにするために感度解析を行った。
関連論文リスト
- Deep Reinforcement Learning for Online Optimal Execution Strategies [49.1574468325115]
本稿では,動的な金融市場における非マルコフ的最適実行戦略の学習に挑戦する。
我々は,Deep Deterministic Policy Gradient(DDPG)に基づく新しいアクター批判アルゴリズムを提案する。
提案アルゴリズムは最適実行戦略の近似に成功していることを示す。
論文 参考訳（メタデータ） (2024-10-17T12:38:08Z) - An Enhanced Grey Wolf Optimizer with Elite Inheritance and Balance Search Mechanisms [13.754649370512924]
グレイウルフ(GWO)は、灰色のオオカミの社会的リーダーシップ階層と狩猟メカニズムに触発された新しいメタヒューリスティックアルゴリズムとして認識されている。
オリジナルのGWOでは、その基本的な最適化メカニズムに2つの重大な欠陥がある。
エリート継承機構とバランス探索機構を備えた強化されたグレイウルフを提案する。
論文 参考訳（メタデータ） (2024-04-09T03:28:00Z) - Structures vibration control via tuned mass dampers using a co-evolution
coral reefs optimization algorithm [0.0]
本研究では, 地震動を受ける構造物の最適設計と位置決定問題に対処する。
具体的には,Coral Reefs Optimization (CRO) with Substrate Layer (CRO-SL) を競合する共進化アルゴリズムとして提案する。
提案手法は, 異なるタイプの探索機構の組み合わせを利用して, TMD設計と位置問題を解くことができる。
論文 参考訳（メタデータ） (2024-02-10T16:09:56Z) - 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) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - Revisiting and Advancing Fast Adversarial Training Through The Lens of
Bi-Level Optimization [60.72410937614299]
提案手法は,2レベルAT(FAST-BAT)と呼ばれる新しいアルゴリズムセットの設計と解析である。
FAST-BATは、グラデーションサインメソッドや明示的なロバスト正規化を呼ぶことなく、符号ベースの投射降下(PGD)攻撃を防御することができる。
論文 参考訳（メタデータ） (2021-12-23T06:25:36Z) - ANA: Ant Nesting Algorithm for Optimizing Real-World Problems [21.95618652596178]
アリネストアルゴリズム(ANA)と呼ばれる新しいインテリジェントスワムの提案
このアルゴリズムはLeptothorax antsにインスパイアされ、新しい巣を作りながら穀物を堆積する位置を探すアリの行動を模倣している。
ANAは、変更率を追加することで、検索エージェントの位置を更新する連続アルゴリズムであると考えられている。
論文 参考訳（メタデータ） (2021-12-04T08:55:06Z) - Dynamic Cat Swarm Optimization Algorithm for Backboard Wiring Problem [0.9990687944474739]
本稿では,動的キャット群最適化(Dynamic Cat Swarm Optimization)と呼ばれる,強力な群知能メタヒューリスティック最適化アルゴリズムを提案する。
提案アルゴリズムは,アルゴリズムの選択スキームと探索モードを変更することにより,これらの位相間の適切なバランスを与える新しい手法を提案する。
最適化の結果,提案アルゴリズムの有効性が示された。
論文 参考訳（メタデータ） (2021-04-27T19:41:27Z) - Portfolio Search and Optimization for General Strategy Game-Playing [58.896302717975445]
ローリングホライズン進化アルゴリズムに基づく最適化とアクション選択のための新しいアルゴリズムを提案する。
エージェントのパラメータとポートフォリオセットの最適化について,N-tuple Bandit Evolutionary Algorithmを用いて検討する。
エージェントの性能分析により,提案手法はすべてのゲームモードによく一般化し,他のポートフォリオ手法よりも優れることが示された。
論文 参考訳（メタデータ） (2021-04-21T09:28:28Z) - 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) - 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。