論文の概要: Solving the Food-Energy-Water Nexus Problem via Intelligent Optimization Algorithms

• arxiv url: http://arxiv.org/abs/2404.06769v1
• Date: Wed, 10 Apr 2024 06:19:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-11 15:19:53.048089
• Title: Solving the Food-Energy-Water Nexus Problem via Intelligent Optimization Algorithms
• Title（参考訳）: インテリジェント最適化アルゴリズムによる食品・エネルギー・水のNexus問題の解法
• Authors: Qi Deng, Zheng Fan, Zhi Li, Xinna Pan, Qi Kang, MengChu Zhou,
• Abstract要約: 食料・エネルギー・水系は、互いに影響を及ぼす食料・エネルギー・水の間で複雑に結びついている。 それらは通常、膨大な数の決定変数と、最適化されるべき多くの矛盾する目標を含む。 本稿では、最先端のインテリジェントな最適化手法を用いて食品・エネルギー・水の最適化問題を解き、その性能を比較する。
• 参考スコア（独自算出の注目度）: 46.48853432592689
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The application of evolutionary algorithms (EAs) to multi-objective optimization problems has been widespread. However, the EA research community has not paid much attention to large-scale multi-objective optimization problems arising from real-world applications. Especially, Food-Energy-Water systems are intricately linked among food, energy and water that impact each other. They usually involve a huge number of decision variables and many conflicting objectives to be optimized. Solving their related optimization problems is essentially important to sustain the high-quality life of human beings. Their solution space size expands exponentially with the number of decision variables. Searching in such a vast space is challenging because of such large numbers of decision variables and objective functions. In recent years, a number of large-scale many-objectives optimization evolutionary algorithms have been proposed. In this paper, we solve a Food-Energy-Water optimization problem by using the state-of-art intelligent optimization methods and compare their performance. Our results conclude that the algorithm based on an inverse model outperforms the others. This work should be highly useful for practitioners to select the most suitable method for their particular large-scale engineering optimization problems.
• Abstract（参考訳）: 進化的アルゴリズム(EA)の多目的最適化問題への応用が広く行われている。 しかし、EA研究コミュニティは、現実世界のアプリケーションから生じる大規模多目的最適化問題にはあまり注意を払っていない。 特に、食品-エネルギー-水系は、互いに影響を及ぼす食品、エネルギー、水の間で複雑に結びついている。 それらは通常、膨大な数の決定変数と、最適化されるべき多くの矛盾する目標を含む。 関連する最適化問題を解くことは、人間の高品質な生活を維持するために本質的に重要である。 解空間のサイズは決定変数の数とともに指数関数的に拡大する。 このような広大な空間での探索は、そのような多くの決定変数と目的関数のために困難である。 近年,多数の大規模多目的最適化アルゴリズムが提案されている。 本稿では、最先端のインテリジェントな最適化手法を用いて食品・エネルギー・水の最適化問題を解き、その性能を比較する。 その結果,逆モデルに基づくアルゴリズムは他のアルゴリズムよりも優れていることがわかった。 この作業は、実践者が特定の大規模エンジニアリング最適化問題に最も適した方法を選択するのに非常に有用である。

関連論文リスト

• Learning Multiple Initial Solutions to Optimization Problems [52.9380464408756]
  厳密なランタイム制約の下で、同様の最適化問題を順次解決することは、多くのアプリケーションにとって不可欠である。 本稿では,問題インスタンスを定義するパラメータが与えられた初期解を多種多様に予測する学習を提案する。 提案手法は,すべての評価設定において有意かつ一貫した改善を実現し,必要な初期解の数に応じて効率よくスケールできることを実証した。
  論文  参考訳（メタデータ） (2024-11-04T15:17:19Z)
• Iterative or Innovative? A Problem-Oriented Perspective for Code Optimization [81.88668100203913]
  大規模言語モデル(LLM)は、幅広いプログラミングタスクを解く上で強力な能力を示している。 本稿では,パフォーマンス向上に着目したコード最適化について検討する。
  論文  参考訳（メタデータ） (2024-06-17T16:10:10Z)
• Achieving Diversity in Objective Space for Sample-efficient Search of Multiobjective Optimization Problems [4.732915763557618]
  本稿では,LMS 取得機能を導入し,その挙動と特性を解析し,その実現可能性を示す。 この手法は、意思決定者に対して、将来性のある設計決定の堅牢なプールを提供し、優れたソリューションの空間をよりよく理解するのに役立つ。
  論文  参考訳（メタデータ） (2023-06-23T20:42:22Z)
• A Study of Scalarisation Techniques for Multi-Objective QUBO Solving [0.0]
  量子および量子に着想を得た最適化アルゴリズムは、学術ベンチマークや実世界の問題に適用した場合に有望な性能を示す。 しかし、QUBOソルバは単目的解法であり、複数の目的による問題の解法をより効率的にするためには、そのような多目的問題を単目的問題に変換する方法を決定する必要がある。
  論文  参考訳（メタデータ） (2022-10-20T14:54:37Z)
• An Effective and Efficient Evolutionary Algorithm for Many-Objective Optimization [2.5594423685710814]
  様々な多目的問題に対処できる効率的な進化的アルゴリズム(E3A)を開発した。 SDEにインスパイアされたE3Aでは,新しい集団維持法が提案されている。 我々は、広範囲な実験を行い、E3Aが11の最先端の多目的進化アルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:35:46Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• Automatically Learning Compact Quality-aware Surrogates for Optimization Problems [55.94450542785096]
  未知パラメータで最適化問題を解くには、未知パラメータの値を予測し、これらの値を用いて問題を解くための予測モデルを学ぶ必要がある。 最近の研究によると、複雑なトレーニングモデルパイプラインのレイヤーとして最適化の問題を含めると、観測されていない意思決定の繰り返しを予測することになる。 我々は,大規模最適化問題の低次元サロゲートモデルを学習することにより,解の質を向上させることができることを示す。
  論文  参考訳（メタデータ） (2020-06-18T19:11:54Z)
• Bio-inspired Optimization: metaheuristic algorithms for optimization [0.0]
  今日の日時において、現実世界の複雑な問題を解決することは、根本的に重要で重要な課題となっている。 従来の最適化手法は小規模な問題に有効であることが判明した。 現実の大規模な問題では、従来の手法はスケールアップしないか、最適解を得ることができないか、あるいは長時間実行した後で解決策を提示する。
  論文  参考訳（メタデータ） (2020-02-24T13:26:34Z)
• sKPNSGA-II: Knee point based MOEA with self-adaptive angle for Mission Planning Problems [2.191505742658975]
  いくつかの問題には、多くの非支配的な解をもたらす多くの目的がある。 本稿では,最も重要な解を得るために設計された新しいアルゴリズムを提案する。 このアルゴリズムは無人航空機(UAV)ミッション計画問題における実世界の応用に応用されている。
  論文  参考訳（メタデータ） (2020-02-20T17:07:08Z)
• Optimizing Wireless Systems Using Unsupervised and Reinforced-Unsupervised Deep Learning [96.01176486957226]
  無線ネットワークにおけるリソース割り当てとトランシーバーは、通常最適化問題の解決によって設計される。 本稿では,変数最適化と関数最適化の両問題を解くための教師なし・教師なし学習フレームワークを紹介する。
  論文  参考訳（メタデータ） (2020-01-03T11:01:52Z)

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。