論文の概要: Ant Hill Colonization optimization algorithm(AHCOA) for controlling the
side lobe of a uniform linear array
- arxiv url: http://arxiv.org/abs/2207.02910v1
- Date: Wed, 22 Jun 2022 16:44:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-10 15:36:45.753844
- Title: Ant Hill Colonization optimization algorithm(AHCOA) for controlling the
side lobe of a uniform linear array
- Title（参考訳）: 均一線形アレイのサイドローブ制御のためのアントヒル植民地最適化アルゴリズム(AHCOA)
- Authors: Sunit Shantanu Digamber Fulari, Harbinder Singh
- Abstract要約: AHCOAは、アリが生き残るためのアリの丘を作り、維持する方法を真似た、新しい自然にインスパイアされたアルゴリズムです。
AHCOAは、構造が構築される方法として、アリの丘の体積解析の方程式を書く際に用いられる。
本稿では,AHCOAが線形アレイにおけるアンテナ最適化の強力な候補であることを示す。
- 参考スコア（独自算出の注目度）: 1.588193964339148
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper aims to introduce the Ant hill colonization optimization
algorithm(AHCOA) to the electromagnetics and antenna community. The ant hill is
built by special species of ants known as formicas ants(also meadow ants, fire
ants and harvester ants). AHCOA is a novel new nature inspired algorithm
mimicking how the ants built and sustain the ant hill for their survival and
sustenance for many years. This problem solves constrained and unconstrained
optimization problems with wide capability in diverse fields. AHCOA is used by
writing equations of volumetric analysis of the ant hill mould the manner in
which the structure is architected. In this paper, we have shown how AHCOA is
better than the previous paper on ant lion optimizer for controlling side lobe
in antenna pattern synthesis in paper [1]. The potential of AHCOA in
synthesizing and analyzing for d/ varying from 1.1,0.6,0.5,0.3 and 0.1 linear
array is also illustrated. Antenna side lobe level minimization is compared
with ant lion optimizer showing why AHCOA is better than the previously
simulated ant lion optimizer for side lobe control. The results show why linear
arrays are better synthesized for AHCOA then other algorithms used in planar
arrays. This paper shows why AHCOA is a strong candidate for antenna
optimization used in linear arrays.
- Abstract（参考訳）: 本稿では、電磁・アンテナコミュニティにAnt Hill Colonization Optimizationアルゴリズム(AHCOA)を導入することを目的とする。
アリの丘は、formicas ants(草原アリ、火のアリ、収穫アリ)として知られる特殊なアリによって造られている。
AHCOAは、アリが生き残るためのアリの丘を作り、維持する方法を真似た、新しい自然にインスパイアされたアルゴリズムです。
この問題は、様々な分野において幅広い能力を持つ制約付きおよび制約なし最適化問題を解く。
AHCOAは、構造が構築される方法として、アリヒルの体積解析の方程式を書く際に用いられる。
本稿では,アンテナパターン合成におけるサイドローブ制御のためのアリライオンオプティマイザについて,以前の論文よりもAHCOAが優れていることを示す[1]。
また,1.1,0.6,0.5,0.3,0.1線形配列のd/の合成と解析におけるahcoaの可能性も示す。
アンテナサイドローブレベルの最小化をアリライオンオプティマイザと比較すると,以前シミュレーションしたアリライオンオプティマイザよりもAHCOAが優れている理由が分かる。
その結果,AHCOAに対して線形配列がより良く合成され,平面配列で使用される他のアルゴリズムが得られた。
本稿では,AHCOAが線形アレイにおけるアンテナ最適化の強力な候補であることを示す。
関連論文リスト
- Comparative Analysis of Four Prominent Ant Colony Optimization Variants: Ant System, Rank-Based Ant System, Max-Min Ant System, and Ant Colony System [0.0]
本研究は,Ant Colony Optimization (ACO)の4変種であるAnt System (AS), Rank-Based Ant System (ASRank), Max-Min Ant System (MMAS), Ant Colony System (ACS)の比較分析を行った。
その結果,アルゴリズムの性能は問題スケールやインスタンスタイプに大きく影響していることがわかった。
論文 参考訳（メタデータ） (2024-05-24T09:51:13Z) - MADA: Meta-Adaptive Optimizers through hyper-gradient Descent [73.1383658672682]
メタ適応(MADA)は、複数の既知の収束を一般化し、トレーニング中に最も適した収束を動的に学習できる統合フレームワークである。
私たちは、MADAを視覚や言語タスクに関する他の人気と経験的に比較し、MADAがAdamや他の人気を一貫して上回っていることに気付きました。
AVGradは最大演算子を平均演算子に置き換えたもので、高次最適化に適している。
論文 参考訳（メタデータ） (2024-01-17T00:16:46Z) - Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳（メタデータ） (2023-12-04T16:49:43Z) - ELRA: Exponential learning rate adaption gradient descent optimization
method [83.88591755871734]
我々は, 高速(指数率), ab initio(超自由)勾配に基づく適応法を提案する。
本手法の主な考え方は,状況認識による$alphaの適応である。
これは任意の次元 n の問題に適用でき、線型にしかスケールできない。
論文 参考訳（メタデータ） (2023-09-12T14:36:13Z) - GA-Aided Directivity in Volumetric and Planar Massive-Antenna Array
Design [0.0]
本研究では, 指向性向上の問題から, 所望の到着/出発角(AoA/AoD)よりも指向性向上が促進されると考えられる。
直方体長方形角度と一般方位標高パターンを用いて指向性アレイの新しい体積アレイを提案する。
このような指向性距離は、できるだけ高い指向性ゲインを達成するために定式化される。
論文 参考訳（メタデータ） (2023-01-07T21:52:19Z) - First Competitive Ant Colony Scheme for the CARP [0.0]
Ant Colonyスキームは、VRPの中規模インスタンスのソリューションを計算できる。
Ant Colonyスキームは、局所的な探索手順と結合し、高品質なソリューションを提供する。
論文 参考訳（メタデータ） (2022-11-19T10:31:27Z) - Optimal Pattern synthesis of linear antenna array using Ant Hill
Colonization Optimization algorithm(AHCOA) [1.588193964339148]
AHCOAは、アリの丘に階層構造と部門が存在することにインスパイアされた新しいメタアルゴリズムである。
制約のない、制約のない最適化問題の解法には高い確率可能性がある。
論文 参考訳（メタデータ） (2022-07-06T10:22:05Z) - ANA: Ant Nesting Algorithm for Optimizing Real-World Problems [21.95618652596178]
アリネストアルゴリズム(ANA)と呼ばれる新しいインテリジェントスワムの提案
このアルゴリズムはLeptothorax antsにインスパイアされ、新しい巣を作りながら穀物を堆積する位置を探すアリの行動を模倣している。
ANAは、変更率を追加することで、検索エージェントの位置を更新する連続アルゴリズムであると考えられている。
論文 参考訳（メタデータ） (2021-12-04T08:55:06Z) - An Accelerated Variance-Reduced Conditional Gradient Sliding Algorithm
for First-order and Zeroth-order Optimization [111.24899593052851]
条件勾配アルゴリズム(Frank-Wolfeアルゴリズムとも呼ばれる)は、最近、機械学習コミュニティで人気を取り戻している。
ARCSは、ゼロ階最適化において凸問題を解く最初のゼロ階条件勾配スライディング型アルゴリズムである。
1次最適化では、ARCSの収束結果は、勾配クエリのオラクルの数で、従来のアルゴリズムよりも大幅に優れていた。
論文 参考訳（メタデータ） (2021-09-18T07:08:11Z) - Correcting Momentum with Second-order Information [50.992629498861724]
最適積に$O(epsilon)$epsilon点を求める非臨界最適化のための新しいアルゴリズムを開発した。
我々は、さまざまな大規模ディープラーニングベンチマークとアーキテクチャで結果を検証する。
論文 参考訳（メタデータ） (2021-03-04T19:01:20Z) - Continuous Ant-Based Neural Topology Search [62.200941836913586]
この研究は、アリコロニー最適化に基づく、自然に着想を得たニューラルアーキテクチャサーチ(NAS)アルゴリズムを導入している。
連続アントベースのニューラルトポロジーサーチ(CANTS)は、アリが現実世界でどのように動くかに強く影響を受けている。
論文 参考訳（メタデータ） (2020-11-21T17:49:44Z)
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。