Fugu-MT 論文翻訳(概要): Comparative approach: Electric distribution optimization with loss minimization algorithm and particle swarm optimization

論文の概要: Comparative approach: Electric distribution optimization with loss minimization algorithm and particle swarm optimization

arxiv url: http://arxiv.org/abs/2405.00680v1
Date: Mon, 19 Feb 2024 18:37:27 GMT
ステータス: 処理完了
システム内更新日: 2024-07-01 11:19:45.918215
Title: Comparative approach: Electric distribution optimization with loss minimization algorithm and particle swarm optimization
Title（参考訳）: 損失最小化アルゴリズムと粒子群最適化による配電最適化の比較
Authors: Soufiane Bouabbadi,
Abstract要約: 電力システムは巨大で複雑であり、多くの予期せぬ出来事の影響を受けやすい。本稿では,損失最小化アルゴリズムと粒子群最適化アルゴリズムの重要な数学的相似性について,電界分布の性能の観点から概説する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Power systems are very large and complex, it can be influenced by many unexpected events this makes power system optimization problems difficult to solve, hence methods for solving these problems ought to be an active research topic. This review presents an overview of important mathematical comparaison of loss minimization algorithm and particle swarm optimization algorithm in terms of the performances of electric distribution.
Abstract（参考訳）: 電力システムは非常に大規模で複雑であり、電力システムの最適化問題を解くのが難しくする多くの予期せぬ出来事の影響を受けやすいため、これらの問題を解決する手法は活発な研究課題であるべきである。本稿では,損失最小化アルゴリズムと粒子群最適化アルゴリズムの重要な数学的相似性について,電界分布の性能の観点から概説する。

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)
Improving Energy Conserving Descent for Machine Learning: Theory and Practice [0.0]
我々は,エネルギーコンドネッサンス理論(ECD)を開発し,凸非保存問題に対処可能な勾配に基づく最適化アルゴリズムであるECDSepを導入する。
論文参考訳（メタデータ） (2023-06-01T05:15:34Z)
Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
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。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文参考訳（メタデータ） (2023-01-28T01:50:42Z)
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)
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)
Particle Swarm Optimization: Fundamental Study and its Application to Optimization and to Jetty Scheduling Problems [0.0]
従来の手法に関する進化的アルゴリズムの利点は、文献で大いに議論されている。粒子群はそのような利点を共有しているが、計算コストの低減と実装の容易さが要求されるため、進化的アルゴリズムよりも優れている。本論文は, それらのチューニングについて検討するものではなく, 従来の研究から汎用的な設定を抽出し, 様々な問題を最適化するために, 事実上同じアルゴリズムを用いている。
論文参考訳（メタデータ） (2021-01-25T02:06:30Z)
Optimization and benchmarking of the thermal cycling algorithm [0.5879782260984691]
最適化問題のほとんどは、不規則に複雑な構造を持ち、不必要なタスクを見つける。本稿では,非最適化問題におけるエネルギー障壁を温度差で克服するアルゴリズムをベンチマークし,改良する。並列サイクリングやアイソエネルゲティックな動きなど,最先端のアルゴリズムと密接に競合することを示す。
論文参考訳（メタデータ） (2020-12-17T18:07:04Z)
Divide and Learn: A Divide and Conquer Approach for Predict+Optimize [50.03608569227359]
予測+最適化問題は、予測係数を使用する最適化プロブレムと、確率係数の機械学習を組み合わせる。本稿では, 予測係数を1次線形関数として, 最適化問題の損失を直接表現する方法を示す。本稿では,この制約を伴わずに最適化問題に対処し,最適化損失を用いてその係数を予測する新しい分割アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-12-04T00:26:56Z)
Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文参考訳（メタデータ） (2020-07-14T09:50:33Z)
A Particle Swarm Optimization hyper-heuristic for the Dynamic Vehicle Routing Problem [0.0]
本稿では,動的車両ルーティング問題に基づく粒子群最適化手法を提案する。このアルゴリズムは、そのデータに基づいて訓練された線形モデルによる予測に基づいて選択される。得られた結果は、そのようなモデルが超ヒューリスティックなアプローチで使用できることを示唆している。
論文参考訳（メタデータ） (2020-06-15T22:34:17Z)

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。