論文の概要: Improved Fitness Dependent Optimizer for Solving Economic Load Dispatch Problem

• arxiv url: http://arxiv.org/abs/2209.01073v1
• Date: Thu, 14 Jul 2022 12:04:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-05 01:13:20.766694
• Title: Improved Fitness Dependent Optimizer for Solving Economic Load Dispatch Problem
• Title（参考訳）: 経済負荷分散問題を解決するための適合度依存最適化法の改良
• Authors: Barzan Hussein Tahir, Tarik A. Rashid, Hafiz Tayyab Rauf, Nebojsa Bacanin, Amit Chhabra, S. Vimal, Zaher Mundher Yaseen
• Abstract要約: フィトネス依存(Fitness Dependent)は、ミツバチの群れ決定および繁殖過程によって刺激される新しい最適化アルゴリズムである。 改良されたFitness Dependentは、低透過損失、低燃料コスト、低排出割り当ての点で優れた性能を示す。
• 参考スコア（独自算出の注目度）: 1.5886047676987318
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Economic Load Dispatch depicts a fundamental role in the operation of power systems, as it decreases the environmental load, minimizes the operating cost, and preserves energy resources. The optimal solution to Economic Load Dispatch problems and various constraints can be obtained by evolving several evolutionary and swarm-based algorithms. The major drawback to swarm-based algorithms is premature convergence towards an optimal solution. Fitness Dependent Optimizer is a novel optimization algorithm stimulated by the decision-making and reproductive process of bee swarming. Fitness Dependent Optimizer (FDO) examines the search spaces based on the searching approach of Particle Swarm Optimization. To calculate the pace, the fitness function is utilized to generate weights that direct the search agents in the phases of exploitation and exploration. In this research, the authors have carried out Fitness Dependent Optimizer to solve the Economic Load Dispatch problem by reducing fuel cost, emission allocation, and transmission loss. Moreover, the authors have enhanced a novel variant of Fitness Dependent Optimizer, which incorporates novel population initialization techniques and dynamically employed sine maps to select the weight factor for Fitness Dependent Optimizer. The enhanced population initialization approach incorporates a quasi-random Sabol sequence to generate the initial solution in the multi-dimensional search space. A standard 24-unit system is employed for experimental evaluation with different power demands. Empirical results obtained using the enhanced variant of the Fitness Dependent Optimizer demonstrate superior performance in terms of low transmission loss, low fuel cost, and low emission allocation compared to the conventional Fitness Dependent Optimizer. The experimental study obtained 7.94E-12.
• Abstract（参考訳）: 経済負荷配分は、環境負荷を減少させ、運用コストを最小化し、エネルギー資源を維持するため、電力システムの運用において基本的な役割を描いている。 経済負荷分散問題と様々な制約に対する最適解は、進化的およびスワムベースのアルゴリズムを進化させることによって得られる。 swarmベースのアルゴリズムの大きな欠点は、最適解への早期収束である。 Fitness Dependent Optimizerは、ハチ群集の意思決定および生殖過程によって刺激される新しい最適化アルゴリズムである。 適合依存オプティマイザ(fdo)は粒子群最適化の探索アプローチに基づいて探索空間を調べる。 ペースを計算するために、フィットネス関数を使用して、エクスプロイトと探索のフェーズにおいて探索エージェントを誘導する重みを生成する。 本研究では, 燃料コスト, 排出配分, 送電損失を低減し, 経済負荷分散問題を解決するため, 適合性依存型最適化器を開発した。 さらに, 新規集団初期化技術と動的にシネマップを用いて, 適合度依存度最適化のための重み係数を選択することによって, 適合度依存度最適化の新たな変種を改良した。 拡張された集団初期化アプローチは、準ランダムsabolシーケンスを組み込んで多次元探索空間における初期解を生成する。 電力需要の異なる実験評価に標準24ユニット方式が採用されている。 フィットネス依存オプティマイザの拡張型を用いて得られた実験結果は、従来のフィットネス依存オプティマイザと比較して、低送電損失、低燃費、低エミッション割当という点で優れた性能を示す。 実験結果は7.94e-12。

関連論文リスト

• Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
  各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。 このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-28T07:38:39Z)
• Provably Mitigating Overoptimization in RLHF: Your SFT Loss is Implicitly an Adversarial Regularizer [52.09480867526656]
  人間の嗜好を学習する際の分布変化と不確実性の一形態として,不一致の原因を同定する。 過度な最適化を緩和するために、まず、逆選択された報酬モデルに最適なポリシーを選択する理論アルゴリズムを提案する。 報奨モデルとそれに対応する最適ポリシーの等価性を用いて、優先最適化損失と教師付き学習損失を組み合わせた単純な目的を特徴とする。
  論文  参考訳（メタデータ） (2024-05-26T05:38:50Z)
• Improving Energy Conserving Descent for Machine Learning: Theory and Practice [0.0]
  我々は,エネルギーコンドネッサンス理論(ECD)を開発し,凸非保存問題に対処可能な勾配に基づく最適化アルゴリズムであるECDSepを導入する。
  論文  参考訳（メタデータ） (2023-06-01T05:15:34Z)
• Experience-Based Evolutionary Algorithms for Expensive Optimization [8.466374531816427]
  我々は、関連する問題で得られる経験をよりうまく活用することで、ハード最適化の問題を効率的に扱うことができると論じる。 本稿では,コストのかかる問題の最適化効率を高めるために,経験ベースサロゲート支援進化アルゴリズム(SAEA)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T05:47:14Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• A Data-Driven Evolutionary Transfer Optimization for Expensive Problems in Dynamic Environments [9.098403098464704]
  データ駆動、つまりサロゲート支援、進化的最適化は、高価なブラックボックス最適化問題に対処するための効果的なアプローチとして認識されている。 本稿では,データ駆動型進化的最適化により動的最適化問題を解くための,シンプルだが効果的な伝達学習フレームワークを提案する。 提案手法の有効性を実世界のケーススタディで実証した。
  論文  参考訳（メタデータ） (2022-11-05T11:19:50Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• Accelerating the Evolutionary Algorithms by Gaussian Process Regression with $\epsilon$-greedy acquisition function [2.7716102039510564]
  本稿では,最適化の収束を早めるために,エリート個人を推定する新しい手法を提案する。 我々の提案には、エリート個人を推定し、最適化の収束を加速する幅広い見通しがある。
  論文  参考訳（メタデータ） (2022-10-13T07:56:47Z)
• Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
  統計的決定論の研究からシャノンエントロピーの一般化を考える。 まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。 次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:43:58Z)
• SnAKe: Bayesian Optimization with Pathwise Exploration [9.807656882149319]
  本稿では,イテレーション間の大きな入力変更を行う場合,関数評価のコストが大幅に増大する,という新しい設定について考察する。 本稿では,この問題を考察し,適応接続サンプルを用いた逐次ベイズ最適化(SnAKe)を導入する。 将来のクエリを考慮し、入力コストを最小限に抑える最適化パスをプリエンプティブに構築することで、ソリューションを提供する。
  論文  参考訳（メタデータ） (2022-01-31T19:42:56Z)
• Bilevel Optimization for Differentially Private Optimization in Energy Systems [53.806512366696275]
  本稿では,入力に敏感な制約付き最適化問題に対して,差分プライバシーを適用する方法について検討する。 本稿は, 自然仮定の下では, 大規模非線形最適化問題に対して, 双レベルモデルを効率的に解けることを示す。
  論文  参考訳（メタデータ） (2020-01-26T20:15:28Z)

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。