論文の概要: CDDO-HS:Child Drawing Development Optimization Harmony Search Algorithm
- arxiv url: http://arxiv.org/abs/2305.09615v1
- Date: Fri, 12 May 2023 06:29:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 13:51:18.046458
- Title: CDDO-HS:Child Drawing Development Optimization Harmony Search Algorithm
- Title（参考訳）: CDDO-HS:Child Drawing Development Optimization Harmony Search Algorithm
- Authors: Azad A. Ameen, Tarik A. Rashid and Shavan Askar
- Abstract要約: 児童図面開発最適化(CDDO)はメタヒューリスティックアルゴリズムの最近の例である。
Harmony Search (HS) は、他の一般的なメタヒューリスティックアルゴリズムと比較して高い競争力を持つアルゴリズムである。
CDDOHSはCDDOとHSの両標準のハイブリッド化である。
- 参考スコア（独自算出の注目度）: 0.9990687944474739
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Child drawing development optimization (CDDO) is a recent example of a
metaheuristic algorithm. The motive for inventing this method is children's
learning behavior and cognitive development, with the golden ratio employed to
optimize their artwork's aesthetic value. Unfortunately, CDDO suffers from low
performance in the exploration phase, and the local best solution stagnates.
Harmony search (HS) is a highly competitive algorithm relative to other
prevalent metaheuristic algorithms, as its exploration phase performance on
unimodal benchmark functions is outstanding. Thus, to avoid these issues, we
present CDDOHS, a hybridization of both standards of CDDO and HS. The
hybridized model proposed consists of two phases. Initially, the pattern size
(PS) is relocated to the algorithm's core and the initial pattern size is set
to 80 % of the total population size. Second, the standard harmony search (HS)
is added to the pattern size (PS) for the exploration phase to enhance and
update the solution after each iteration. Experiments are evaluated using two
distinct standard benchmark functions, known as classical test functions,
including 23 common functions and 10 CEC-C06 2019 functions. Additionally, the
suggested CDDOHS is compared to CDDO, HS, and six other widely used algorithms.
Using the Wilcoxon ranksum test, the results indicate that CDDOHS beats
alternative algorithms.
- Abstract（参考訳）: 児童図面開発最適化(CDDO)はメタヒューリスティックアルゴリズムの最近の例である。
この手法を考案する動機は、子どもの学習行動と認知発達であり、アートワークの美的価値を最適化するために黄金比が用いられる。
残念ながら、CDDOは探索段階での低パフォーマンスに悩まされており、ローカルのベストソリューションは停滞しています。
ハーモニー探索(harmony search, hs)は、ユニモーダルベンチマーク関数における探索位相性能が優れているため、他の一般的なメタヒューリスティックアルゴリズムと比較して高い競合性を持つアルゴリズムである。
そこで本研究では,CDDOHSとHSの両標準をハイブリッド化したCDDOHSを提案する。
提案するハイブリダイゼーションモデルには2つのフェーズがある。
当初、パターンサイズ(PS)はアルゴリズムのコアに移動され、初期パターンサイズは全集団サイズの80%に設定される。
第2に、探索フェーズのパターンサイズ(PS)に標準調和探索(HS)を追加して、各イテレーション後にソリューションを拡張および更新する。
実験は、23の共通関数と10のcec-c06 2019関数を含む、2つの異なる標準ベンチマーク関数を用いて評価される。
さらに、提案するcddohsは、cddo、hsおよび他の6つの広く使われているアルゴリズムと比較される。
Wilcoxonランキングテストを用いて、CDDOHSが代替アルゴリズムに勝っていることを示す。
関連論文リスト
- Provably Efficient UCB-type Algorithms For Learning Predictive State
Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である
本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。
PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文 参考訳（メタデータ） (2023-07-01T18:35:21Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Hybrid ACO-CI Algorithm for Beam Design problems [0.4397520291340694]
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。
論文 参考訳（メタデータ） (2023-03-29T04:37:14Z) - Duck swarm algorithm: theory, numerical optimization, and applications [6.244015536594532]
本研究では,Duck Swarm Algorithm (DSA) という,群知能に基づく最適化アルゴリズムを提案する。
2つのルールは、提案されたDSAの探索と利用段階に対応するアヒルの餌の発見と採餌からモデル化される。
その結果, DSAは収束速度と探索・探索のバランスの観点から, 高性能な最適化手法であることがわかった。
論文 参考訳（メタデータ） (2021-12-27T04:53:36Z) - Child Drawing Development Optimization Algorithm based on Child's
Cognitive Development [1.1802674324027231]
本稿では,子どもの学習行動と認知発達にインスパイアされた新しいアルゴリズムを提案する。
子供の図面の圧力幅、長さ、黄金比を調整し、より良い結果が得られるように調整する。
論文 参考訳（メタデータ） (2021-06-30T08:51:01Z) - Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex
Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。
我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。
我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文 参考訳（メタデータ） (2021-06-08T15:54:44Z) - Two-Stage Stochastic Optimization via Primal-Dual Decomposition and Deep
Unrolling [86.85697555068168]
2段階のアルゴリズム最適化は、様々な工学や科学的応用において重要な役割を果たす。
特に長期変数と短期変数が制約の中で結合されている場合、アルゴリズムは効率的ではない。
PDD-SSCAが既存のソリューションよりも優れたパフォーマンスを達成できることを示します。
論文 参考訳（メタデータ） (2021-05-05T03:36:00Z) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-11-18T16:40:45Z) - Performance Analysis of Meta-heuristic Algorithms for a Quadratic
Assignment Problem [6.555180412600522]
二次代入問題 (QAP) はNPハード問題に属する最適化問題である。
ヒューリスティックスとメタヒューリスティックスアルゴリズムはこの問題の一般的な解法である。
本稿では,QAPの解法に異なるメタヒューリスティックアルゴリズムを適用するための比較研究の1つである。
論文 参考訳（メタデータ） (2020-07-29T15:02:07Z) - Fast and stable MAP-Elites in noisy domains using deep grids [1.827510863075184]
Deep-Grid MAP-ElitesはMAP-Elitesアルゴリズムの変種である。
この単純なアプローチは、適合性最適化の観点から競争性能を達成しつつ、動作記述子のノイズに対する耐性が著しく高いことを示す。
論文 参考訳（メタデータ） (2020-06-25T08:47:23Z) - Double Explore-then-Commit: Asymptotic Optimality and Beyond [101.77632893858063]
ガウス級報酬を用いたマルチアームバンディット問題について検討する。
本研究では,探索-then-commit (ETC) アルゴリズムの変種により,マルチアームバンディット問題に対する最適性が得られることを示す。
論文 参考訳（メタデータ） (2020-02-21T08:07:56Z)
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。