論文の概要: Hybrid Henry Gas Solubility Optimization Algorithm with Dynamic Cluster-to-Algorithm Mapping for Search-based Software Engineering Problems

• arxiv url: http://arxiv.org/abs/2105.14923v1
• Date: Mon, 31 May 2021 12:42:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 23:46:07.882713
• Title: Hybrid Henry Gas Solubility Optimization Algorithm with Dynamic Cluster-to-Algorithm Mapping for Search-based Software Engineering Problems
• Title（参考訳）: 動的クラスタ・ツー・アルゴリサムマッピングを用いたハイブリッドヘンリーガス溶解度最適化アルゴリズム
• Authors: Kamal Z. Zamli, Md. Abdul Kader, Saiful Azad, Bestoun S. Ahmed
• Abstract要約: 本稿ではHenry Gas Solubility Optimization(HGSO)アルゴリズムの新しい変種であるHGSO(Hybrid HGSO)について述べる。 前者とは異なり、HHGSOは異なるメタヒューリスティックアルゴリズムを提供する複数のクラスタを同じ集団内で共存させることができる。 HHGSOは、適応的な切替係数を持つペナル化および報酬モデルによる動的クラスタ-アルゴリズムマッピングを発明し、メタヒューリスティックなハイブリダイゼーションのための新しいアプローチを提供する。
• 参考スコア（独自算出の注目度）: 1.0323063834827413
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper discusses a new variant of the Henry Gas Solubility Optimization (HGSO) Algorithm, called Hybrid HGSO (HHGSO). Unlike its predecessor, HHGSO allows multiple clusters serving different individual meta-heuristic algorithms (i.e., with its own defined parameters and local best) to coexist within the same population. Exploiting the dynamic cluster-to-algorithm mapping via penalized and reward model with adaptive switching factor, HHGSO offers a novel approach for meta-heuristic hybridization consisting of Jaya Algorithm, Sooty Tern Optimization Algorithm, Butterfly Optimization Algorithm, and Owl Search Algorithm, respectively. The acquired results from the selected two case studies (i.e., involving team formation problem and combinatorial test suite generation) indicate that the hybridization has notably improved the performance of HGSO and gives superior performance against other competing meta-heuristic and hyper-heuristic algorithms.
• Abstract（参考訳）: 本稿では,Henry Gas Solubility Optimization (HGSO)アルゴリズムの新しい変種であるHGSO(Hybrid HGSO)について述べる。 前者とは異なり、HHGSOは複数のクラスタで異なるメタヒューリスティックアルゴリズム(例えば、独自のパラメータと局所ベストを持つ)を同じ集団内で共存させることができる。 HHGSOは、適応切替係数を持つペナル化と報酬モデルによる動的クラスタ対アルゴリズムの展開により、それぞれJayaアルゴリズム、Sooty Tern Optimization Algorithm、Butterfly Optimization Algorithm、Owl Search Algorithmからなるメタヒューリスティックなハイブリッド化のための新しいアプローチを提供する。 選択された2つのケーススタディ(すなわち、チーム形成問題と組合せテストスイート生成を含む)から得られた結果は、ハイブリダイゼーションがHGSOの性能を著しく改善し、他の競合するメタヒューリスティックおよびハイパーヒューリスティックアルゴリズムよりも優れた性能を示したことを示している。

関連論文リスト

• Faster Optimal Coalition Structure Generation via Offline Coalition Selection and Graph-Based Search [61.08720171136229]
  本稿では,3つの革新的手法のハイブリッド化に基づく問題に対する新しいアルゴリズムSMARTを提案する。 これらの2つの手法は動的プログラミングに基づいており、評価のために選択された連立関係とアルゴリズムの性能の強力な関係を示す。 我々の手法は、問題にアプローチする新しい方法と、その分野に新しいレベルの精度をもたらす。
  論文  参考訳（メタデータ） (2024-07-22T23:24:03Z)
• The Firefighter Algorithm: A Hybrid Metaheuristic for Optimization Problems [3.2432648012273346]
  The Firefighter Optimization (FFO) algorithm is a new hybrid metaheuristic for optimization problem。 FFOの性能を評価するため、FFOは13の最適化アルゴリズムに対して広範な実験を行った。 その結果、FFOは比較性能を達成し、いくつかのシナリオでは、得られた適合性、正確性に要する時間、時間単位でカバーされる研究空間の点で、一般的に採用されている最適化アルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-01T18:38:59Z)
• FIMP-HGA: A Novel Approach to Addressing the Partitioning Min-Max Weighted Matching Problem [13.431192456490987]
  本稿では,PMMWM に対する高速反復マッチング分割ハイブリッド遺伝的アルゴリズム (FIMP-HGA) を提案する。 マッチング段階では、漸進的な調整によりマッチング複雑性を低減するKM-Mアルゴリズムを提案する。 分割段階では、エリート戦略を取り入れたHybrid Genetic Algorithm (HGA)を導入し、Greedy Partition Crossover (GPX) 演算子を設計する。
  論文  参考訳（メタデータ） (2024-05-06T05:57:46Z)
• 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)
• Genetic Engineering Algorithm (GEA): An Efficient Metaheuristic Algorithm for Solving Combinatorial Optimization Problems [1.8434042562191815]
  遺伝的アルゴリズム(GA)は最適化問題の解法における効率性で知られている。 本稿では遺伝子工学の概念からインスピレーションを得るため,遺伝子工学アルゴリズム(GEA)と呼ばれる新しい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） (2023-09-28T13:05:30Z)
• Massively Parallel Genetic Optimization through Asynchronous Propagation of Populations [50.591267188664666]
  Propulateは、グローバル最適化のための進化的最適化アルゴリズムとソフトウェアパッケージである。 提案アルゴリズムは, 選択, 突然変異, 交叉, 移動の変種を特徴とする。 Propulateは解の精度を犠牲にすることなく、最大で3桁高速であることがわかった。
  論文  参考訳（メタデータ） (2023-01-20T18:17:34Z)
• Applying Autonomous Hybrid Agent-based Computing to Difficult Optimization Problems [56.821213236215634]
  本稿では,EMASのハイブリッドバージョンを提案する。 これには、複数のハイブリッド演算子の選択と導入、およびメインアルゴリズムのハイブリッドステップを開始するためのルールの定義が含まれる。 これらのハイブリッドステップは、既存の、よく知られた、そして証明された、効率的なメタヒューリスティックスを活用し、その結果をメインのアルゴリズムに統合する。
  論文  参考訳（メタデータ） (2022-10-24T13:28:35Z)
• VNE Strategy based on Chaotic Hybrid Flower Pollination Algorithm Considering Multi-criteria Decision Making [12.361459296815559]
  仮想ネットワーク埋め込み (Virtual Network Embedding, VNE) 問題に対するハイブリッド花の受粉アルゴリズムの設計戦略について論じる。 クロス操作は、グローバル検索を完了させるためにクロスポリン化操作を置き換えるために使用される。 従来のフィットネスベースの選択戦略の補完としてライフサイクルメカニズムが導入されている。
  論文  参考訳（メタデータ） (2022-02-07T00:57:00Z)
• Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
  両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• Multi-User Remote lab: Timetable Scheduling Using Simplex Nondominated Sorting Genetic Algorithm [1.0953917735844645]
  マルチユーザ遠隔実験室のスケジューリングは,提案アルゴリズムのマルチモーダル関数としてモデル化される。 提案アルゴリズムは,探索法としてSimplexアルゴリズム,局所最適点のソートにNSGAを用いる。
  論文  参考訳（メタデータ） (2020-03-26T02:31:50Z)
• 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。