論文の概要: Chaotic Fitness Dependent Optimizer for Planning and Engineering Design
- arxiv url: http://arxiv.org/abs/2110.08067v1
- Date: Sat, 21 Aug 2021 12:14:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 21:02:41.088998
- Title: Chaotic Fitness Dependent Optimizer for Planning and Engineering Design
- Title（参考訳）: 設計・設計におけるカオス性依存性最適化
- Authors: Hardi M. Mohammed, Tarik A. Rashid
- Abstract要約: FDO(Fitness Dependent)は、ハチの群れの繁殖行動を模倣したメタヒューリスティックなアルゴリズムである。
本稿では、FDOの性能向上を目的としており、このカオス理論をFDOの内部で使用して、CFDO(Chaotic FDO)を提案する。
CFDOでは10のカオスマップを使用して、どの地図がうまく機能しているかを考察し、局所最適とグローバル最適の発見を避ける。
- 参考スコア（独自算出の注目度）: 1.1802674324027231
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Fitness Dependent Optimizer (FDO) is a recent metaheuristic algorithm that
mimics the reproduction behavior of the bee swarm in finding better hives. This
algorithm is similar to Particle Swarm Optimization (PSO) but it works
differently. The algorithm is very powerful and has better results compared to
other common metaheuristic algorithms. This paper aims at improving the
performance of FDO, thus, the chaotic theory is used inside FDO to propose
Chaotic FDO (CFDO). Ten chaotic maps are used in the CFDO to consider which of
them are performing well to avoid local optima and finding global optima. New
technic is used to conduct population in specific limitation since FDO technic
has a problem to amend population. The proposed CFDO is evaluated by using 10
benchmark functions from CEC2019. Finally, the results show that the ability of
CFDO is improved. Singer map has a great impact on improving CFDO while the
Tent map is the worst. Results show that CFDO is superior to GA, FDO, and CSO.
Both CEC2013 and CEC2005 are used to evaluate CFDO. Finally, the proposed CFDO
is applied to classical engineering problems, such as pressure vessel design
and the result shows that CFDO can handle the problem better than WOA, GWO,
FDO, and CGWO. Besides, CFDO is applied to solve the task assignment problem
and then compared to the original FDO. The results prove that CFDO has better
capability to solve the problem.
- Abstract（参考訳）: 適応依存オプティマイザ(fitness dependent optimizer, fdo)は、ミツバチの群れの繁殖行動を模倣した最近のメタヒューリスティックなアルゴリズムである。
このアルゴリズムはParticle Swarm Optimization (PSO) に似ているが、動作は異なる。
このアルゴリズムは非常に強力で、他の一般的なメタヒューリスティックアルゴリズムよりも優れた結果が得られる。
本稿は,FDOの性能向上を目的としており,このカオス理論をFDOの内部で使用して,CFDO(Chaotic FDO)を提案する。
CFDOでは10のカオスマップを使用して、どの地図がうまく機能しているかを考察し、局所最適とグローバル最適の発見を避ける。
FDO技術は人口の修正に問題があるため、新しい技術は特定の制限で人口を遂行するために使用される。
提案するCFDOは,CEC2019のベンチマーク関数10を用いて評価する。
その結果,CFDOの能力は向上した。
テントマップが最悪である間、シンガーマップはcfdoの改善に大きな影響を与えます。
その結果,CFDOはGA,FDO,CSOよりも優れていることがわかった。
CEC2013とCEC2005はCFDOの評価に用いられる。
最後に, CFDOは圧力容器設計などの古典的工学的問題に適用され, CFDOがWOA, GWO, FDO, CGWOよりも優れていることを示す。
さらに、cfdoはタスク割り当て問題を解くために適用され、元のfdoと比較される。
その結果、cfdoは問題を解決する能力がより優れていることが判明した。
関連論文リスト
- Modified-Improved Fitness Dependent Optimizer for Complex and Engineering Problems [5.078139820108554]
FDO(Fitness dependent)は、新しいスウォーム知能アルゴリズムの1つである。
本研究は、M-IFDOと呼ばれるIFDOの修正版を提案する。
M-IFDOは5つの最先端アルゴリズムと比較される。
論文 参考訳（メタデータ） (2024-06-27T07:47:23Z) - Functional Graphical Models: Structure Enables Offline Data-Driven Optimization [111.28605744661638]
構造がサンプル効率のよいデータ駆動最適化を実現する方法を示す。
また、FGM構造自体を推定するデータ駆動最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-08T22:33:14Z) - Multi objective Fitness Dependent Optimizer Algorithm [19.535715565093764]
本稿では、最近導入されたフィットネス依存型(FDO)の多目的変種を提案する。
このアルゴリズムはMOFDO(Multi objective Fitness Dependent)と呼ばれ、FDOのように5種類の知識(situational, normative, topographical, domain, historical knowledge)を備えている。
提案アルゴリズムは,多種多様な分散可能な実現可能解を提供することで,意思決定者がより適用可能な快適な選択をすることができる。
論文 参考訳（メタデータ） (2023-01-26T06:33:53Z) - Bayesian Optimization for Macro Placement [48.55456716632735]
本研究では,系列対上のベイズ最適化(BO)を用いた新しいマクロ配置法を提案する。
BOは確率的代理モデルと獲得関数を利用する機械学習技術である。
固定アウトラインマクロ配置問題に対して, 半周波線長目標を用いたアルゴリズムを実証する。
論文 参考訳（メタデータ） (2022-07-18T06:17:06Z) - TCT: Convexifying Federated Learning using Bootstrapped Neural Tangent
Kernels [141.29156234353133]
最先端の凸学習手法は、クライアントが異なるデータ分布を持つ場合、集中型よりもはるかにパフォーマンスが劣る。
我々は、この格差は、非NISTityが提示した課題に大きく起因していることを示す。
本稿では,Train-Convexify Neural Network (TCT) 手法を提案する。
論文 参考訳（メタデータ） (2022-07-13T16:58:22Z) - Fitness Dependent Optimizer for IoT Healthcare using Adapted Parameters:
A Case Study Implementation [0.629786844297945]
本章では、Fitness Dependentwarm(いわゆるFDO)のケーススタディについて論じ、そのパラメータをIoT(Internet of Things)ヘルスケアに適用する。
他のアルゴリズムは、FDOを元の作業でGA(Genematic Algorithm)とPSO(Particle Swarm Optimization)として評価し、比較する。
この章の目標は、FDOに基づいたIoTヘルスケアフレームワークを適用して、効果的なIoTヘルスケアアプリケーションを生成することだ。
論文 参考訳（メタデータ） (2022-05-18T16:18:57Z) - Large-scale Optimization of Partial AUC in a Range of False Positive
Rates [51.12047280149546]
ROC曲線 (AUC) の下の領域は、機械学習において最も広く使われている分類モデルのパフォーマンス指標の1つである。
近年の封筒平滑化技術に基づく効率的な近似勾配降下法を開発した。
提案アルゴリズムは,効率のよい解法を欠くランク付けされた範囲損失の和を最小化するためにも利用できる。
論文 参考訳（メタデータ） (2022-03-03T03:46:18Z) - Bayesian Algorithm Execution: Estimating Computable Properties of
Black-box Functions Using Mutual Information [78.78486761923855]
多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。
本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。
これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
論文 参考訳（メタデータ） (2021-04-19T17:22:11Z) - Revisiting Bayesian Optimization in the light of the COCO benchmark [1.4467794332678539]
本稿では,共通かつあまり一般的ではない設計選択のbo(gaussian process based)の性能への影響について,大規模な調査を行う。
この研究のために開発されたコードは、RパッケージDiceOptimの新バージョン(v2.1.1)をCRANで利用可能にしている。
論文 参考訳（メタデータ） (2021-03-30T19:45:18Z) - Understanding and Resolving Performance Degradation in Graph
Convolutional Networks [105.14867349802898]
グラフ畳み込みネットワーク(GCN)は複数のレイヤを積み重ね、グラフ構造化データ上でノード表現を学習するためのPROPとTRANを実行する。
GCNはモデルが深くなるとパフォーマンスが低下する傾向がある。
本稿では,TRANやPROPのみを積み重ねることによるGCNの性能劣化について実験的に検討する。
論文 参考訳（メタデータ） (2020-06-12T12:12:12Z) - Improved Fitness-Dependent Optimizer Algorithm [0.9990687944474739]
フィットネス依存アルゴリズム(FDO)は、2019年に導入された。
本研究では改良されたFDOアルゴリズムを提案する。
IFDOの実践性を証明するために、実世界の応用で使用される。
論文 参考訳（メタデータ） (2020-01-16T21:50:11Z)
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。