論文の概要: A Lite Fireworks Algorithm for Optimization
- arxiv url: http://arxiv.org/abs/2301.02795v1
- Date: Sat, 7 Jan 2023 07:12:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 15:40:01.608557
- Title: A Lite Fireworks Algorithm for Optimization
- Title（参考訳）: 最適化のための lite fireworks アルゴリズム
- Authors: Haimiao Mo, Min Zeng
- Abstract要約: 本稿では,Fireworks Algorithmの簡易版を提案する。
花火アルゴリズムの爆発演算子を再設計することで、アルゴリズムパラメータの数を削減できる。
局所的な採掘能力と地球規模の探査能力のバランスをとるために、歴史的な最適情報を用いて適応的な爆発半径を構築する。
- 参考スコア（独自算出の注目度）: 0.913755431537592
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The fireworks algorithm is an optimization algorithm for simulating the
explosion phenomenon of fireworks. Because of its fast convergence and high
precision, it is widely used in pattern recognition, optimal scheduling, and
other fields. However, most of the existing research work on the fireworks
algorithm is improved based on its defects, and little consideration is given
to reducing the number of parameters of the fireworks algorithm. The original
fireworks algorithm has too many parameters, which increases the cost of
algorithm adjustment and is not conducive to engineering applications. In
addition, in the fireworks population, the unselected individuals are
discarded, thus causing a waste of their location information. To reduce the
number of parameters of the original Fireworks Algorithm and make full use of
the location information of discarded individuals, we propose a simplified
version of the Fireworks Algorithm. It reduces the number of algorithm
parameters by redesigning the explosion operator of the fireworks algorithm and
constructs an adaptive explosion radius by using the historical optimal
information to balance the local mining and global exploration capabilities.
The comparative experimental results of function optimization show that the
overall performance of our proposed LFWA is better than that of comparative
algorithms, such as the fireworks algorithm, particle swarm algorithm, and bat
algorithm.
- Abstract（参考訳）: 花火アルゴリズムは花火の爆発現象をシミュレーションするための最適化アルゴリズムである。
高速収束と高精度のため、パターン認識、最適スケジューリング、その他の分野で広く使われている。
しかし、既存の花火アルゴリズムの研究のほとんどは、その欠陥に基づいて改善されており、花火アルゴリズムのパラメータ数を減らすことについてはほとんど考慮されていない。
オリジナルの花火アルゴリズムにはパラメータが多すぎるため、アルゴリズム調整のコストが増大し、工学的な応用には適さない。
また、花火の個体群では、未選択の個体が廃棄され、位置情報が浪費される。
そこで本研究では, 花火アルゴリズムのパラメータ数を削減し, 捨てられた個人の位置情報をフル活用するために, 花火アルゴリズムの簡易版を提案する。
花火アルゴリズムの爆発演算子を再設計することでアルゴリズムパラメータの数を削減し、ローカルマイニングとグローバル探索能力のバランスをとるために歴史的な最適情報を用いて適応的な爆発半径を構築する。
関数最適化の比較実験結果から,提案したLFWAの全体的な性能は,花火アルゴリズムや粒子群アルゴリズム,バットアルゴリズムなどの比較アルゴリズムよりも優れていることが示された。
関連論文リスト
- The Firefighter Algorithm: A Hybrid Metaheuristic for Optimization Problems [3.2432648012273346]
The Firefighter Optimization (FFO) algorithm is a new hybrid metaheuristic for optimization problem。
FFOの性能を評価するため、FFOは13の最適化アルゴリズムに対して広範な実験を行った。
その結果、FFOは比較性能を達成し、いくつかのシナリオでは、得られた適合性、正確性に要する時間、時間単位でカバーされる研究空間の点で、一般的に採用されている最適化アルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2024-06-01T18:38:59Z) - Sequential minimum optimization algorithm with small sample size
estimators [0.06445605125467573]
逐次最小最適化は、機械学習のグローバル検索訓練アルゴリズムである。
本手法をフォトニクス回路に適用することにより,偶然事象の頻度の低さがアルゴリズムの速度を低下させるという新たな課題が生じる。
論文 参考訳（メタデータ） (2023-03-02T06:02:46Z) - Review of research on fireworks algorithm [0.0]
Fireworksアルゴリズムは、新しいタイプのインテリジェント最適化アルゴリズムである。
高速収束速度、簡単な実装、爆発性、多様性、単純さ、ランダム性により、近年多くの研究分野に注目が集まっている。
論文 参考訳（メタデータ） (2022-02-28T13:44:53Z) - 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) - Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。
両レベル最適化のための2つの新しいアルゴリズムを提案する。
両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-08T21:05:30Z) - Dynamic Cat Swarm Optimization Algorithm for Backboard Wiring Problem [0.9990687944474739]
本稿では,動的キャット群最適化(Dynamic Cat Swarm Optimization)と呼ばれる,強力な群知能メタヒューリスティック最適化アルゴリズムを提案する。
提案アルゴリズムは,アルゴリズムの選択スキームと探索モードを変更することにより,これらの位相間の適切なバランスを与える新しい手法を提案する。
最適化の結果,提案アルゴリズムの有効性が示された。
論文 参考訳（メタデータ） (2021-04-27T19:41:27Z) - 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) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳（メタデータ） (2020-12-07T09:27:16Z) - Exploiting Higher Order Smoothness in Derivative-free Optimization and
Continuous Bandits [99.70167985955352]
強凸関数のゼロ次最適化問題について検討する。
予測勾配降下アルゴリズムのランダム化近似を考察する。
その結果,0次アルゴリズムはサンプルの複雑性や問題パラメータの点でほぼ最適であることが示唆された。
論文 参考訳（メタデータ） (2020-06-14T10:42:23Z)
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。