論文の概要: A Novel Simplified Swarm Optimization for Generalized Reliability
Redundancy Allocation Problem
- arxiv url: http://arxiv.org/abs/2110.00133v1
- Date: Fri, 1 Oct 2021 00:12:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-12 20:03:27.241521
- Title: A Novel Simplified Swarm Optimization for Generalized Reliability
Redundancy Allocation Problem
- Title（参考訳）: 一般化信頼性冗長配置問題に対する新しい簡易Swarm最適化法
- Authors: Zhenyao Liu, Jen-Hsuan Chen, Shi-Yi Tan, Wei-Chang Yeh
- Abstract要約: 本研究では,ネットワークシステムに適用可能な新しいRRAPであるGeneral RRAP(GRRAP)を提案する。
GRRAPはNP-hard問題であるため,Binary-addition Simple Swarm Optimization (BSSO)と呼ばれる新しいアルゴリズムも提案されている。
- 参考スコア（独自算出の注目度）: 1.2043574473965315
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Network systems are commonly used in various fields, such as power grid,
Internet of Things (IoT), and gas networks. Reliability redundancy allocation
problem (RRAP) is a well-known reliability design tool, which needs to be
developed when the system is extended from the series-parallel structure to a
more general network structure. Therefore, this study proposes a novel RRAP
called General RRAP (GRRAP) to be applied to network systems. The Binary
Addition Tree Algorithm (BAT) is used to solve the network reliability. Since
GRRAP is an NP-hard problem, a new algorithm called Binary-addition simplified
swarm optimization (BSSO) is also proposed in this study. BSSO combines the
accuracy of the BAT with the efficiency of SSO, which can effectively reduce
the solution space and speed up the time to find high-quality solutions. The
experimental results show that BSSO outperforms three well-known algorithms,
Genetic Algorithm (GA), Particle Swarm Optimization (PSO), and Swarm
Optimization (SSO), on six network benchmarks.
- Abstract（参考訳）: ネットワークシステムは、電力網、IoT(Internet of Things)、ガスネットワークなど、様々な分野で一般的に使われている。
信頼性冗長性割当問題(RRAP)は、シリーズ並列構造からより一般的なネットワーク構造へ拡張する際に開発する必要がある信頼性設計ツールである。
そこで本研究では,ネットワークシステムに適用可能な新しいRRAPであるGeneral RRAP(GRRAP)を提案する。
Binary Addition Tree Algorithm (BAT) は、ネットワークの信頼性を解決するために用いられる。
GRRAPはNP-hard問題であるため,Binary-addition Simple Swarm Optimization (BSSO)と呼ばれる新しいアルゴリズムも提案されている。
BSSOは、BATの精度とSSOの効率を組み合わせ、解空間を効果的に削減し、高品質な解を見つける時間を短縮することができる。
実験の結果、BSSOは、遺伝的アルゴリズム(GA)、粒子群最適化(PSO)、およびSwarm Optimization(SSO)の3つのよく知られたアルゴリズムを6つのネットワークベンチマークで比較した。
関連論文リスト
- Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。
最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-02T01:36:13Z) - Multi Agent DeepRL based Joint Power and Subchannel Allocation in IAB
networks [0.0]
統合アクセスとバックハウリング(IRL)は、将来の世代におけるより高いデータレートに対する前例のない要求を満たすための、実行可能なアプローチである。
本稿では,分数ノードに付随する巨大なアクション空間の問題を,Deep Q-Learning Networkを用いて処理する方法を示す。
論文 参考訳（メタデータ） (2023-08-31T21:30:25Z) - Novel General Active Reliability Redundancy Allocation Problems and
Algorithm [1.5990720051907859]
信頼性冗長性割り当て問題(RRAP)は、システムの信頼性を最大化するために用いられる。
汎用RRAP(GRRAP)と呼ばれる新しいRRAPが提案され、シリーズ並列構造やブリッジネットワークをより一般的なネットワーク構造に拡張する。
提案された新しいGRRAPを解決するため、BAT-SSOA3と呼ばれる新しいアルゴリズムは、SSO(Swarm Optimization)を単純化してソリューションを更新した。
論文 参考訳（メタデータ） (2021-08-18T11:54:42Z) - Algorithm Unrolling for Massive Access via Deep Neural Network with
Theoretical Guarantee [30.86806523281873]
大規模アクセスはIoT(Internet of Things)ネットワークにおける重要な設計課題である。
我々は、マルチアンテナベースステーション(BS)と多数の単一アンテナIoTデバイスを備えたIoTネットワークの無許可アップリンク伝送を検討する。
本稿では,低計算複雑性と高ロバスト性を実現するために,ディープニューラルネットワークに基づく新しいアルゴリズムアンローリングフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-19T05:23:05Z) - Large Scale Global Optimization Algorithms for IoT Networks: A
Comparative Study [29.884417706421218]
本研究では,無線センサネットワーク(WNS)の高次元での最適化について,分散検出の電力配分に着目して検討する。
大規模グローバル最適化(LGSO)問題に対処するために設計された4つのアルゴリズムを適用し比較する。
我々は,300次元,600次元,800次元の場合には,アルゴリズムの性能をいくつかの異なるケースで評価した。
論文 参考訳（メタデータ） (2021-02-22T18:59:22Z) - Trilevel Neural Architecture Search for Efficient Single Image
Super-Resolution [127.92235484598811]
本稿では,高効率単一画像超解像(SR)のための3レベルニューラルネットワーク探索法を提案する。
離散探索空間をモデル化するために、離散探索空間に新たな連続緩和を適用し、ネットワークパス、セル操作、カーネル幅の階層的混合を構築する。
階層型スーパーネット方式による最適化を行うため,効率的な探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-17T12:19:49Z) - Distributed Optimization, Averaging via ADMM, and Network Topology [0.0]
センサローカライゼーションの現実問題において,ネットワークトポロジと異なるアルゴリズムの収束率の関係について検討する。
また、ADMMと持ち上げマルコフ連鎖の間の興味深い関係を示すとともに、その収束を明示的に特徴づける。
論文 参考訳（メタデータ） (2020-09-05T21:44:39Z) - Resource Allocation via Model-Free Deep Learning in Free Space Optical
Communications [119.81868223344173]
本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。
本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-27T17:38:51Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z) - Iterative Network for Image Super-Resolution [69.07361550998318]
単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。
本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。
反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
論文 参考訳（メタデータ） (2020-05-20T11:11:47Z) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-28T14:37:38Z)
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。