論文の概要: Performance assessment and exhaustive listing of 500+ nature inspired metaheuristic algorithms

• arxiv url: http://arxiv.org/abs/2212.09479v1
• Date: Mon, 19 Dec 2022 14:13:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 14:33:21.189397
• Title: Performance assessment and exhaustive listing of 500+ nature inspired metaheuristic algorithms
• Title（参考訳）: 500以上の自然に触発されたメタヒューリスティックアルゴリズムの性能評価と完全リスト
• Authors: Zhongqiang Ma, Guohua Wu, Ponnuthurai N. Suganthan, Aijuan Song, Qizhang Luo
• Abstract要約: 近年、新しいメタヒューリスティックな名前の数が増加し続けている。 本研究では,500以上のメタヒューリスティクスを網羅的に集計する。
• 参考スコア（独自算出の注目度）: 2.144920569695946
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Metaheuristics are popularly used in various fields, and they have attracted much attention in the scientific and industrial communities. In recent years, the number of new metaheuristic names has been continuously growing. Generally, the inventors attribute the novelties of these new algorithms to inspirations from either biology, human behaviors, physics, or other phenomena. In addition, these new algorithms, compared against basic versions of other metaheuristics using classical benchmark problems without shift/rotation, show competitive performances. In this study, we exhaustively tabulate more than 500 metaheuristics. To comparatively evaluate the performance of the recent competitive variants and newly proposed metaheuristics, 11 newly proposed metaheuristics and 4 variants of established metaheuristics are comprehensively compared on the CEC2017 benchmark suite. In addition, whether these algorithms have a search bias to the center of the search space is investigated. The results show that the performance of the newly proposed EBCM (effective butterfly optimizer with covariance matrix adaptation) algorithm performs comparably to the 4 well performing variants of the established metaheuristics and possesses similar properties and behaviors, such as convergence, diversity, exploration and exploitation trade-offs, in many aspects. The performance of all 15 of the algorithms is likely to deteriorate due to certain transformations, while the 4 state-of-the-art metaheuristics are less affected by transformations such as the shifting of the global optimal point away from the center of the search space. It should be noted that, except EBCM, the other 10 new algorithms proposed mostly during 2019-2020 are inferior to the well performing 2017 variants of differential evolution and evolution strategy in terms of convergence speed and global search ability on CEC 2017 functions.
• Abstract（参考訳）: メタヒューリスティックスは様々な分野で広く使われており、科学や工業のコミュニティで注目を集めている。 近年、新しいメタヒューリスティックな名前の数が増加し続けている。 発明者は一般的に、これらの新しいアルゴリズムの斬新さを、生物学、人間の行動、物理学、その他の現象からインスピレーションを受けている。 さらに、これらのアルゴリズムは、シフト/ローテーションを伴わない古典的なベンチマーク問題を用いて、他のメタヒューリスティックの基本的なバージョンと比較し、競合性能を示す。 本研究では500以上のメタヒューリスティックを徹底的に集計した。 近年の競争的変種と新たに提案されたメタヒューリスティックスの性能を比較評価するために,11の新たなメタヒューリスティックスと4つの確立されたメタヒューリスティックスをCEC2017ベンチマークスイートで総合的に比較した。 また,これらのアルゴリズムが検索空間の中心に偏りがあるかどうかを調べた。 その結果,新たに提案するebcmアルゴリズムの性能は,確立されたメタヒューリスティクスの4つのよく機能する変種に比較可能であり,収束性,多様性,探索性,搾取トレードオフなど,類似した特性と挙動を有することがわかった。 15のアルゴリズムは、ある変換によって性能が低下する可能性が高いが、4つの最先端メタヒューリスティックは、探索空間の中心から大域的最適点のシフトのような変換の影響が小さい。 EBCMを除いて、2019-2020年に提案された他の10のアルゴリズムは、CEC 2017関数上の収束速度とグローバル検索能力の観点から、2017年の微分進化と進化戦略の優れた変種よりも劣っていることに注意する必要がある。

関連論文リスト

• A Generalized Evolutionary Metaheuristic (GEM) Algorithm for Engineering Optimization [1.6589012298747952]
  近年の大きなトレンドは、自然に着想を得たメタヒュースティックアルゴリズム(NIMA)の利用である。 文献には540以上のアルゴリズムがあり、異なるアルゴリズムの探索機構を理解するための統一的なフレームワークはない。 20以上の異なるアルゴリズムを統一する一般化された進化的メタヒューリスティックアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T09:55:15Z)
• Leveraging Large Language Model to Generate a Novel Metaheuristic Algorithm with CRISPE Framework [14.109964882720249]
  我々は,大言語モデル (LLM) ChatGPT-3.5 を借りて,少量の入力しか持たない新しいメタヒューリスティックアルゴリズム (MA) を自動かつ迅速に設計する。 動物にインスパイアされた新しい動物探索最適化(ZSO)は、継続的な最適化問題を解決するための動物の集団行動からインスピレーションを得ている。 CEC2014ベンチマーク関数,CEC2022ベンチマーク関数,および6つのエンジニアリング最適化問題に対するZSO処理アルゴリズムの性能について検討した。
  論文  参考訳（メタデータ） (2024-03-25T04:34:20Z)
• Quantum Inspired Chaotic Salp Swarm Optimization for Dynamic Optimization [4.44483539967295]
  我々は量子コンピューティングの原理を統合するQSSOとして知られるSSAの変種について研究する。 カオス演算子は、変化への対応と個々の検索可能性の向上を保証するために量子コンピューティングで使用される。 約束通り、導入されたQCSSOは、DOPのライバルアルゴリズムとして発見される。
  論文  参考訳（メタデータ） (2024-01-21T02:59:37Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and Stability [67.8426046908398]
  汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。 本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
  論文  参考訳（メタデータ） (2022-04-08T20:46:16Z)
• Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
  両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)
• AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
  現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。 探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。 学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
  論文  参考訳（メタデータ） (2021-03-22T13:28:56Z)
• Comprehensive Taxonomies of Nature- and Bio-inspired Optimization: Inspiration versus Algorithmic Behavior, Critical Analysis and Recommendations (from 2020 to 2024) [19.09373077982117]
  生物学的過程を模倣して複雑な問題を解くバイオインスパイアされた最適化法が近年、人気を集めている。 バイオインスパイアされたアルゴリズムの数が指数関数的に増加することは、この研究領域の将来の軌道に課題をもたらす。
  論文  参考訳（メタデータ） (2020-02-19T12:34:45Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)
• On the Performance of Metaheuristics: A Different Perspective [0.0]
  我々は,遺伝的アルゴリズム (GA), Particle Swarm Optimization (PSO), Artificial Bee Colony (ABC), Teaching-Learning-Based Optimization (TLBO), Cuckoo Optimization Algorithm (COA) のいくつかの基本的な進化的およびスワム知能メタヒューリスティックスについて検討した。 異なる特性を持つ20種類の最適化ベンチマーク関数について多数の実験が行われており、これらのメタヒューリスティックスの中での次の順位の他に、いくつかの基本的な結論が示されている。
  論文  参考訳（メタデータ） (2020-01-24T09:34:10Z)

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。