論文の概要: Hybrid ACO-CI Algorithm for Beam Design problems

• arxiv url: http://arxiv.org/abs/2303.16908v1
• Date: Wed, 29 Mar 2023 04:37:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 15:39:59.059901
• Title: Hybrid ACO-CI Algorithm for Beam Design problems
• Title（参考訳）: ビーム設計問題に対するハイブリッドACO-CIアルゴリズム
• Authors: Ishaan R Kale, Mandar S Sapre, Ayush Khedkar, Kaustubh Dhamankar, Abhinav Anand, Aayushi Singh
• Abstract要約: The novel hybrid version of the Ant colony optimization (ACO) method was developed using the sample space reduction technique of the Cohort Intelligence (CI) algorithm。 提案した研究は、工学領域や医療問題を含む現実世界の応用について検討することができる。
• 参考スコア（独自算出の注目度）: 0.4397520291340694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A range of complicated real-world problems have inspired the development of several optimization methods. Here, a novel hybrid version of the Ant colony optimization (ACO) method is developed using the sample space reduction technique of the Cohort Intelligence (CI) Algorithm. The algorithm is developed, and accuracy is tested by solving 35 standard benchmark test functions. Furthermore, the constrained version of the algorithm is used to solve two mechanical design problems involving stepped cantilever beams and I-section beams. The effectiveness of the proposed technique of solution is evaluated relative to contemporary algorithmic approaches that are already in use. The results show that our proposed hybrid ACO-CI algorithm will take lesser number of iterations to produce the desired output which means lesser computational time. For the minimization of weight of stepped cantilever beam and deflection in I-section beam a proposed hybrid ACO-CI algorithm yielded best results when compared to other existing algorithms. The proposed work could be investigate for variegated real world applications encompassing domains of engineering, combinatorial and health care problems.
• Abstract（参考訳）: 様々な複雑な現実世界の問題が、いくつかの最適化手法の開発に影響を与えた。 本稿では,コホート・インテリジェンス(CI)アルゴリズムのサンプル空間削減手法を用いて,新しいハイブリッドバージョンのAnt Colon Optimization (ACO)法を開発した。 このアルゴリズムを開発し、標準ベンチマークテスト関数35を解いて精度をテストする。 さらに、このアルゴリズムの制約付きバージョンは、段差カンチレバービームとi断面ビームを含む2つの機械的設計問題を解決するために用いられる。 提案手法の有効性は,現在すでに使用されている現代アルゴリズムアプローチと比較して評価されている。 その結果,提案したハイブリッドACO-CIアルゴリズムは,所望の出力を生成するためにより少ない回数の反復を要し,計算時間を短縮することを示した。 ステップ式カンチレバービームの軽量化とIセクションビームの偏向の最小化のために、提案したハイブリッドACO-CIアルゴリズムは他の既存アルゴリズムと比較して最もよい結果を得た。 提案手法は, 工学, コンビネーション, 医療の領域を包含する, 多様な実世界の応用について検討できる。

関連論文リスト

• Performance Evaluation of Evolutionary Algorithms for Analog Integrated Circuit Design Optimisation [0.0]
  本稿では,アナログ回路の自動サイズ化手法について述べる。 探索空間を対象とする探索は粒子生成関数と補修バウンド関数を用いて実装されている。 アルゴリズムは、より良い最適解に収束するように調整され、修正される。
  論文  参考訳（メタデータ） (2023-10-19T03:26:36Z)
• Solution to Advanced Manufacturing Process Problems using Cohort Intelligence Algorithm with Improved Constraint Handling Approaches [0.07989135005592125]
  コホートインテリジェンス(CI)アルゴリズムは、設計、製造、サプライチェーン、医療などの領域から制約のない現実の問題を解決するために、社会にインスパイアされた最適化手法である。
  論文  参考訳（メタデータ） (2023-10-16T05:40:23Z)
• Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
  凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。 多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。 そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
  論文  参考訳（メタデータ） (2023-07-17T20:11:56Z)
• Benchmarking Algorithms for Submodular Optimization Problems Using IOHProfiler [22.08617448389877]
  本稿では,部分モジュラ最適化問題に対するベンチマークアルゴリズムのセットアップを提案する。 その焦点は反復探索アルゴリズムの開発であり、実装はIOHknownrに提供され、統合されている。 提案手法は,IOHファウンサーに組み込まれている様々な部分モジュラ最適化問題について述べるとともに,反復探索アルゴリズムを様々な設定で解析・比較するために,その設定をどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2023-02-02T23:36:23Z)
• OptABC: an Optimal Hyperparameter Tuning Approach for Machine Learning Algorithms [1.6114012813668934]
  OptABCは、ABCアルゴリズムがほぼ最適解へのより高速な収束を支援するために提案されている。 OptABCは、人工蜂コロニーアルゴリズム、K-Meansクラスタリング、greedyアルゴリズム、および反対ベースの学習戦略を統合している。 実験結果から,OptABCの有効性が文献の既存手法と比較された。
  論文  参考訳（メタデータ） (2021-12-15T22:33:39Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• An Overview and Experimental Study of Learning-based Optimization Algorithms for Vehicle Routing Problem [49.04543375851723]
  車両ルーティング問題(VRP)は典型的な離散最適化問題である。 多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。 本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
  論文  参考訳（メタデータ） (2021-07-15T02:13:03Z)
• A Two-stage Framework and Reinforcement Learning-based Optimization Algorithms for Complex Scheduling Problems [54.61091936472494]
  本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。 スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。 その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
  論文  参考訳（メタデータ） (2021-03-10T03:16:12Z)
• CSCF: a chaotic sine cosine firefly Algorithm for practical application problems [0.0]
  いくつかの最適化アルゴリズム、すなわちファイアフライアルゴリズム、正弦コサインアルゴリズム、粒子群最適化アルゴリズムは、計算複雑性、収束速度などの欠点はほとんどない。 本稿では,最適化問題を解くために,多数の変種を持つ新しいCSCFアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-20T08:54:28Z)
• IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
  本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。 提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。 加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2020-06-11T18:49:06Z)
• 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)

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。