論文の概要: An Improved BAT Algorithm for Solving Job Scheduling Problems in Hotels
and Restaurants
- arxiv url: http://arxiv.org/abs/2109.14441v1
- Date: Sun, 25 Jul 2021 09:46:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 23:28:34.662655
- Title: An Improved BAT Algorithm for Solving Job Scheduling Problems in Hotels
and Restaurants
- Title(参考訳): ホテル・レストランにおけるジョブスケジューリング問題に対するbatアルゴリズムの改良
- Authors: Tarik A. Rashid, Chra I. Shekho Toghramchi, Heja Sindi, Abeer
Alsadoon, Nebojsa Bacanin, Shahla U. Umar, A.S. Shamsaldin, Mokhtar Mohammadi
- Abstract要約: Batアルゴリズム(BA)は、Swarmインテリジェンスファミリーのメタヒューリスティックアルゴリズムの一般的な例である。
本稿では,コンバージェンスを高速化し,大規模アプリケーションでより実用的な手法を実現するため,オリジナルのBAの改良を行った。
改造BAはホテルやレストランの実際のジョブスケジューリング問題を解決するために適用された。
- 参考スコア(独自算出の注目度): 12.641474799416772
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: One popular example of metaheuristic algorithms from the swarm intelligence
family is the Bat algorithm (BA). The algorithm was first presented in 2010 by
Yang and quickly demonstrated its efficiency in comparison with other common
algorithms. The BA is based on echolocation in bats. The BA uses automatic
zooming to strike a balance between exploration and exploitation by imitating
the deviations of the bat's pulse emission rate and loudness as it searches for
prey. The BA maintains solution diversity using the frequency-tuning technique.
In this way, the BA can quickly and efficiently switch from exploration to
exploitation. Therefore, it becomes an efficient optimizer for any application
when a quick solution is needed. In this paper, an improvement on the original
BA has been made to speed up convergence and make the method more practical for
large applications. To conduct a comprehensive comparative analysis between the
original BA, the modified BA proposed in this paper, and other state-of-the-art
bio-inspired metaheuristics, the performance of both approaches is evaluated on
a standard set of 23 (unimodal, multimodal, and fixed-dimension multimodal)
benchmark functions. Afterward, the modified BA was applied to solve a
real-world job scheduling problem in hotels and restaurants. Based on the
achieved performance metrics, the proposed MBA establishes better global search
ability and convergence than the original BA and other approaches.
- Abstract(参考訳): swarm intelligenceファミリからのメタヒューリスティックアルゴリズムの一般的な例は、batアルゴリズム(ba)である。
このアルゴリズムは2010年にYangによって初めて発表され、他の一般的なアルゴリズムと比較してすぐにその効率を実証した。
BAはコウモリのエコーロケーションに基づいている。
BAは自動ズームを使用して、コウモリのパルス放出率と獲物探索時の音の大きさのずれを模倣することにより、探索と搾取のバランスを取る。
BAは周波数調整技術を用いて解の多様性を維持する。
このようにして、BAは探索から搾取へ迅速かつ効率的に切り替えることができる。
したがって、クイックソリューションが必要な場合、どんなアプリケーションでも効率的に最適化できる。
本稿では, 収束を高速化し, 大規模アプリケーションにおいてより実用的な手法を実現するため, オリジナルbaの改良を行った。
本論文で提案する修正baと,他の最先端バイオインスパイアされたメタヒューリスティックスとの包括的比較解析を行うため,23の標準ベンチマーク関数(ユニモーダル,マルチモーダル,固定ディメンションマルチモーダル)の性能評価を行った。
その後,ホテルやレストランの業務スケジューリング問題に改良BAを適用した。
達成された性能指標に基づいて,提案したMBAは,元のBAや他のアプローチよりも優れたグローバル検索能力と収束性を確立する。
関連論文リスト
- A Performance Analysis of Basin Hopping Compared to Established
Metaheuristics for Global Optimization [2.209921757303168]
BBOBテスト関数セットと2つの困難な実世界の問題を用いたIOHプロファイラ環境を用いた数値実験を行った。
その結果, 流域ホッピングは, より確立されたメタヒューリスティクスとともに, 大域的な数値最適化問題の候補となる可能性が示唆された。
論文 参考訳(メタデータ) (2024-03-09T11:02:47Z) - Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。
従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文 参考訳(メタデータ) (2024-02-05T02:54:50Z) - LABCAT: Locally adaptive Bayesian optimization using principal
component-aligned trust regions [0.0]
主成分整列回転と適応的再スケーリング戦略を付加することにより,信頼領域ベースのBOを拡張するABCATアルゴリズムを提案する。
このアルゴリズムは、最先端のBOや他のブラックボックス最適化アルゴリズムよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-11-19T13:56:24Z) - A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive
Coding Networks [65.34977803841007]
予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。
シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
論文 参考訳(メタデータ) (2022-11-16T00:11:04Z) - 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) - A Parallel Technique for Multi-objective Bayesian Global Optimization:
Using a Batch Selection of Probability of Improvement [2.1055643409860743]
本稿では,複数の点をバッチで比較した5種類のemphProbability of Improvement (PoI)を提案する。
様々なベンチマークに関する2つの実験を行い、2つのgreedy q-PoIの有効性を実証した。
論文 参考訳(メタデータ) (2022-08-07T09:28:44Z) - Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。
計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。
また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
論文 参考訳(メタデータ) (2022-03-23T06:24:31Z) - Improved Branch and Bound for Neural Network Verification via Lagrangian
Decomposition [161.09660864941603]
ニューラルネットワークの入出力特性を公式に証明するためのブランチとバウンド(BaB)アルゴリズムのスケーラビリティを改善します。
活性化に基づく新しい分岐戦略とBaBフレームワークであるブランチとデュアルネットワーク境界(BaDNB)を提案する。
BaDNBは、従来の完全検証システムを大きなマージンで上回り、対数特性で平均検証時間を最大50倍に削減した。
論文 参考訳(メタデータ) (2021-04-14T09:22:42Z) - 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) - Time Efficiency in Optimization with a Bayesian-Evolutionary Algorithm [13.66850118870667]
すべての生成とテストの検索アルゴリズムが等しく作られているわけではないことを示す。
本稿では,ベイズ最適化と進化的アルゴリズムを組み合わせた新しいアルゴリズムBEAを提案する。
その結果、BEA は BO と EA の両方を時間効率で上回り、最終的には多くの局所最適値を持つよく知られたベンチマーク対象関数の性能が向上することがわかった。
論文 参考訳(メタデータ) (2020-05-04T15:29:22Z) - Near-linear Time Gaussian Process Optimization with Adaptive Batching
and Resparsification [119.41129787351092]
BBKBは非回帰GP最適化アルゴリズムで、ほぼ直線的に実行し、バッチで候補を選択する。
また,同じバウンダリを用いて,スパルスGP近似の更新コストを適応的に遅延させることで,ステップ毎の償却コストをほぼ一定に抑えることができることを示した。
論文 参考訳(メタデータ) (2020-02-23T17:43:29Z)
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。