論文の概要: Enhancing Optimization Through Innovation: The Multi-Strategy Improved
Black Widow Optimization Algorithm (MSBWOA)
- arxiv url: http://arxiv.org/abs/2312.13395v1
- Date: Wed, 20 Dec 2023 19:55:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 16:50:29.123838
- Title: Enhancing Optimization Through Innovation: The Multi-Strategy Improved
Black Widow Optimization Algorithm (MSBWOA)
- Title(参考訳): イノベーションによる最適化の強化:マルチストラテジー改善ブラックウィドウ最適化アルゴリズム(MSBWOA)
- Authors: Xin Xu
- Abstract要約: 本稿では,MSBWOA(Multi-Strategy Improved Black Widow Optimization Algorithm)を提案する。
複雑な最適化問題の解法において、標準的なブラックウィドウアルゴリズム(BW)の性能を向上させるように設計されている。
これは、多様性と初期の探索能力を高めるためにテントカオスマッピングを用いて人口を初期化すること、動的人口の維持と早期収束を防ぐために最も適していない個体に突然変異最適化を実装すること、局所最適から逃れるアルゴリズムの能力を高めるためにランダムな摂動戦略を追加すること、の4つの主要な戦略を統合する。
- 参考スコア(独自算出の注目度): 11.450701963760817
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a Multi-Strategy Improved Black Widow Optimization
Algorithm (MSBWOA), designed to enhance the performance of the standard Black
Widow Algorithm (BW) in solving complex optimization problems. The proposed
algorithm integrates four key strategies: initializing the population using
Tent chaotic mapping to enhance diversity and initial exploratory capability;
implementing mutation optimization on the least fit individuals to maintain
dynamic population and prevent premature convergence; incorporating a
non-linear inertia weight to balance global exploration and local exploitation;
and adding a random perturbation strategy to enhance the algorithm's ability to
escape local optima. Evaluated through a series of standard test functions, the
MSBWOA demonstrates significant performance improvements in various dimensions,
particularly in convergence speed and solution quality. Experimental results
show that compared to the traditional BW algorithm and other existing
optimization methods, the MSBWOA exhibits better stability and efficiency in
handling a variety of optimization problems. These findings validate the
effectiveness of the proposed strategies and offer a new solution approach for
complex optimization challenges.
- Abstract(参考訳): 本稿では,複雑な最適化問題の解法における標準ブラックウィドウアルゴリズム(BW)の性能向上を目的としたマルチストラテジー改良ブラックウィドウ最適化アルゴリズム(MSBWOA)を提案する。
提案アルゴリズムは,多様性と探索能力を高めるためにテントカオスマッピングを用いて人口を初期化すること,動的集団の維持と早期収束を防ぐために最も適していない個体に突然変異を最適化すること,グローバルな探索と局所的利用のバランスをとるために非線形慣性重みを組み込むこと,局所的オプティマから逃れるためのランダムな摂動戦略を追加すること,の4つの主要な戦略を統合する。
一連の標準的なテスト機能を通じて評価され、MSBWOAは様々な次元、特に収束速度と解の質において、大幅な性能向上を示す。
実験の結果,従来のBWアルゴリズムや既存の最適化手法と比較して,MSBWOAは様々な最適化問題に対処する際の安定性と効率性が向上していることがわかった。
これらの結果は,提案手法の有効性を検証し,複雑な最適化課題に対する新しい解法を提案する。
関連論文リスト
- Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
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。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳(メタデータ) (2023-12-28T23:15:18Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-04T01:47:37Z) - Advancements in Optimization: Adaptive Differential Evolution with
Diversification Strategy [0.0]
この研究は2次元空間において単目的最適化を採用し、複数の反復で各ベンチマーク関数上でADEDSを実行する。
ADEDSは、多くの局所最適化、プレート型、谷型、伸縮型、ノイズの多い機能を含む様々な最適化課題において、標準Dより一貫して優れている。
論文 参考訳(メタデータ) (2023-10-02T10:05:41Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳(メタデータ) (2022-10-27T01:58:10Z) - Socio-cognitive Optimization of Time-delay Control Problems using
Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。
本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文 参考訳(メタデータ) (2022-10-23T22:21:10Z) - High-dimensional Bayesian Optimization Algorithm with Recurrent Neural
Network for Disease Control Models in Time Series [1.9371782627708491]
本稿では,リカレントニューラルネットワークを組み合わせた高次元ベイズ最適化アルゴリズムを提案する。
提案したRNN-BOアルゴリズムは,低次元空間における最適制御問題を解くことができる。
また、RNN層の異なる数の影響や、ソリューションの品質と関連する計算努力のトレードオフに対する訓練のエポックスについても論じる。
論文 参考訳(メタデータ) (2022-01-01T08:40:17Z) - A novel multiobjective evolutionary algorithm based on decomposition and
multi-reference points strategy [14.102326122777475]
分解に基づく多目的進化アルゴリズム(MOEA/D)は、多目的最適化問題(MOP)を解く上で、極めて有望なアプローチであると考えられている。
本稿では,よく知られたPascoletti-Serafiniスキャラライゼーション法とマルチ参照ポイントの新たな戦略により,MOEA/Dアルゴリズムの改良を提案する。
論文 参考訳(メタデータ) (2021-10-27T02:07:08Z) - High dimensional Bayesian Optimization Algorithm for Complex System in
Time Series [1.9371782627708491]
本稿では,新しい高次元ベイズ最適化アルゴリズムを提案する。
モデルの時間依存特性や次元依存特性に基づいて,提案アルゴリズムは次元を均等に低減することができる。
最適解の最終精度を高めるために,提案アルゴリズムは,最終段階におけるアダムに基づく一連のステップに基づく局所探索を追加する。
論文 参考訳(メタデータ) (2021-08-04T21:21:17Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳(メタデータ) (2020-07-09T10:19:22Z) - A Novel Meta-Heuristic Optimization Algorithm Inspired by the Spread of
Viruses [0.0]
ウイルス拡散最適化(VSO)と呼ばれる,自然に着想を得た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。
VSOはホスト間のウイルスの拡散を緩やかに模倣し、多くの困難かつ継続的な最適化問題の解決に効果的に適用することができる。
論文 参考訳(メタデータ) (2020-06-11T09:35:28Z) - 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。