論文の概要: A binary variant of gravitational search algorithm and its application
to windfarm layout optimization problem
- arxiv url: http://arxiv.org/abs/2107.11844v1
- Date: Sun, 25 Jul 2021 16:56:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-27 16:16:48.798118
- Title: A binary variant of gravitational search algorithm and its application
to windfarm layout optimization problem
- Title（参考訳）: 重力探索アルゴリズムの2値変種とそのウィンドファーム配置最適化問題への応用
- Authors: Susheel Kumar Joshi, Jagdish Chand Bansal
- Abstract要約: 本稿では, 2次探索空間 (BNAGGSA) のための GSA 内に, 重力定数を埋め込んだ新しい近傍アーカイブ (A novel neighborhood Archives embedded gravity constants) を提案する。
提案アルゴリズムは、エージェントが最適なステップサイズで最適な方向に移動する自己適応的なステップサイズ機構を生成する。
実世界の応用における提案アルゴリズムの適用性を確認するために,風向配置最適化の問題を検討する。
- 参考スコア（独自算出の注目度）: 0.7734726150561088
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the binary search space, GSA framework encounters the shortcomings of
stagnation, diversity loss, premature convergence and high time complexity. To
address these issues, a novel binary variant of GSA called `A novel
neighbourhood archives embedded gravitational constant in GSA for binary search
space (BNAGGSA)' is proposed in this paper. In BNAGGSA, the novel
fitness-distance based social interaction strategy produces a self-adaptive
step size mechanism through which the agent moves towards the optimal direction
with the optimal step size, as per its current search requirement. The
performance of the proposed algorithm is compared with the two binary variants
of GSA over 23 well-known benchmark test problems. The experimental results and
statistical analyses prove the supremacy of BNAGGSA over the compared
algorithms. Furthermore, to check the applicability of the proposed algorithm
in solving real-world applications, a windfarm layout optimization problem is
considered. Two case studies with two different wind data sets of two different
wind sites is considered for experiments.
- Abstract（参考訳）: 二元探索の分野では、GSAフレームワークは停滞、多様性の喪失、早めの収束、および高速複雑性の欠点に直面する。
これらの問題に対処するため,新たな二分法である「二分法探索空間(BNAGGSA)のためのGSAにGSAを埋め込んだ新しい近傍アーカイブ」を提案する。
BNAGGSAでは、新しいフィットネス依存型ソーシャルインタラクション戦略により、エージェントが現在の検索要件に従って最適なステップサイズで最適な方向に移動する自己適応的なステップサイズメカニズムが生成される。
提案アルゴリズムの性能は,よく知られた23以上のベンチマークテスト問題に対して,gsaの2つのバイナリ変種と比較した。
実験結果と統計的解析により,比較アルゴリズムよりもBNAGGSAの優位性が証明された。
さらに,実世界のアプリケーション解決における提案アルゴリズムの適用性を確認するため,ウィンドファームレイアウト最適化問題を考える。
2つの異なる風場の2つの異なる風データを用いた2つのケーススタディが実験として検討されている。
関連論文リスト
- RAGLAB: A Modular and Research-Oriented Unified Framework for Retrieval-Augmented Generation [54.707460684650584]
大きな言語モデル(LLM)は対話、推論、知識保持における人間レベルの能力を示す。
現在の研究は、LLMに外部知識を組み込むことによって、このボトルネックに対処している。
RAGLABはモジュール的で研究指向のオープンソースライブラリで、6つの既存のアルゴリズムを再現し、RAGアルゴリズムを調査するための包括的なエコシステムを提供する。
論文 参考訳（メタデータ） (2024-08-21T07:20:48Z) - BiSLS/SPS: Auto-tune Step Sizes for Stable Bi-level Optimization [33.082961718280245]
既存のアルゴリズムは、ハイパーグラディエントを計算する際に近似誤差の影響を受け得る2つの結合学習率を含んでいる。
線形探索(SLS)とポリアクステップサイズ(SPS)という適応的なステップサイズ法を用いて,上層と下層の両方の学習率の計算を行う。
SGDとAdamの両バージョンで利用できる新しいアルゴリズムは、最小限のチューニングで大きな学習率を見つけ、対応するバニラBOアルゴリズムよりも高速に収束させることができる。
論文 参考訳（メタデータ） (2023-05-30T00:37:50Z) - Empirical Evaluation of Project Scheduling Algorithms for Maximization
of the Net Present Value [0.0]
本稿では,3つのプロジェクトスケジューリングアルゴリズムの実証的性能解析について述べる。
選択されたアルゴリズムは、Recursive Search (RS)、Steepest Ascent Approach (SAA)、Hybrid Search (HS)である。
論文 参考訳（メタデータ） (2022-07-05T03:01:33Z) - 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$を達成できることを理論的に証明する。
目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文 参考訳（メタデータ） (2021-10-18T14:00:22Z) - Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。
両レベル最適化のための2つの新しいアルゴリズムを提案する。
両アルゴリズムが$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) - 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) - Selection-Expansion: A Unifying Framework for Motion-Planning and
Diversity Search Algorithms [69.87173070473717]
本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。
mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
論文 参考訳（メタデータ） (2021-04-10T13:52:27Z) - A global-local neighborhood search algorithm and tabu search for
flexible job shop scheduling problem [3.946442574906068]
この研究はGLNSA(Global-local neighborhood search algorithm)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。
提案アルゴリズムは,Nopt1地区の簡易版を実装したタブ検索と補完する。
実験の結果,提案アルゴリズムの性能は,最近発表された他のアルゴリズムと比較すると良好であった。
論文 参考訳（メタデータ） (2020-10-23T23:08:51Z) - AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。
前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。
本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-08-17T13:22:01Z) - Performance Analysis of Meta-heuristic Algorithms for a Quadratic
Assignment Problem [6.555180412600522]
二次代入問題 (QAP) はNPハード問題に属する最適化問題である。
ヒューリスティックスとメタヒューリスティックスアルゴリズムはこの問題の一般的な解法である。
本稿では,QAPの解法に異なるメタヒューリスティックアルゴリズムを適用するための比較研究の1つである。
論文 参考訳（メタデータ） (2020-07-29T15:02:07Z) - Fuzzy Mutation Embedded Hybrids of Gravitational Search and Particle
Swarm Optimization Methods for Engineering Design Problems [37.260815721072525]
我々はGSAとPSOの2つのハイブリッドバージョンに対するファジィ突然変異モデルを提案した。
開発したアルゴリズムはMutation based GPS (MGPS) と Mutation based PSOGSA と呼ばれる。
我々はこれら2つの新しいアルゴリズムを3つのカテゴリの23のベンチマーク関数上で評価した(一様、多モード、固定次元のマルチモーダル)。
論文 参考訳（メタデータ） (2020-05-10T07:42:36Z)
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。