論文の概要: Social Distancing Induced Coronavirus Optimization Algorithm (COVO): Application to Multimodal Function Optimization and Noise Removal
- arxiv url: http://arxiv.org/abs/2411.17282v1
- Date: Tue, 26 Nov 2024 10:09:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-27 13:33:59.721404
- Title: Social Distancing Induced Coronavirus Optimization Algorithm (COVO): Application to Multimodal Function Optimization and Noise Removal
- Title（参考訳）: ソーシャルディスタンシングによるコロナウイルス最適化アルゴリズム(COVO):マルチモーダル関数最適化とノイズ除去への応用
- Authors: Om Ramakisan Varma, Mala Kalra,
- Abstract要約: 感染拡大のペースは、社会的距離を保てば遅くなる。
COVO最適化の主な動機は、より高速な収束で複雑な問題を解くことにより、様々なアプリケーションに対する大域的な解を得ることである。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The metaheuristic optimization technique attained more awareness for handling complex optimization problems. Over the last few years, numerous optimization techniques have been developed that are inspired by natural phenomena. Recently, the propagation of the new COVID-19 implied a burden on the public health system to suffer several deaths. Vaccination, masks, and social distancing are the major steps taken to minimize the spread of the deadly COVID-19 virus. Considering the social distance to combat the coronavirus epidemic, a novel bio-inspired metaheuristic optimization model is proposed in this work, and it is termed as Social Distancing Induced Coronavirus Optimization Algorithm (COVO). The pace of propagation of the coronavirus can indeed be slowed by maintaining social distance. Thirteen benchmark functions are used to evaluate the COVO performance for discrete, continuous, and complex problems, and the COVO model performance is compared with other well-known optimization algorithms. The main motive of COVO optimization is to obtain a global solution to various applications by solving complex problems with faster convergence. At last, the validated results depict that the proposed COVO optimization has a reasonable and acceptable performance.
- Abstract（参考訳）: メタヒューリスティック最適化技術は、複雑な最適化問題にもっと注意を向けた。
ここ数年、自然現象に触発された多くの最適化技術が開発されてきた。
新型コロナウイルス(COVID-19)の感染拡大は、公衆衛生システムの負担を招き、数人が死亡した。
ワクチン、マスク、ソーシャルディスタンシングは、新型コロナウイルスの感染拡大を最小限に抑える主要な手段だ。
本研究では, 新型コロナウイルス対策の社会的距離を考慮すると, バイオインスパイアされたメタヒューリスティック最適化モデルが提案され, 社会分散誘導コロナウイルス最適化アルゴリズム(COVO)と呼ばれている。
感染拡大のペースは、社会的距離を保てば遅くなる。
13のベンチマーク関数を用いて、離散的、連続的、複雑な問題のCOVO性能を評価し、COVOモデルの性能を他のよく知られた最適化アルゴリズムと比較する。
COVO最適化の主な動機は、より高速な収束で複雑な問題を解くことにより、様々なアプリケーションに対する大域的な解を得ることである。
最終的に、検証された結果から、提案したCOVO最適化は妥当かつ許容できる性能を有することが示された。
関連論文リスト
- 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) - A Data-Driven Evolutionary Transfer Optimization for Expensive Problems
in Dynamic Environments [9.098403098464704]
データ駆動、つまりサロゲート支援、進化的最適化は、高価なブラックボックス最適化問題に対処するための効果的なアプローチとして認識されている。
本稿では,データ駆動型進化的最適化により動的最適化問題を解くための,シンプルだが効果的な伝達学習フレームワークを提案する。
提案手法の有効性を実世界のケーススタディで実証した。
論文 参考訳（メタデータ） (2022-11-05T11:19:50Z) - 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) - Discrete Stochastic Optimization for Public Health Interventions with
Constraints [1.8275108630751844]
本稿では,2009年のH1N1と新型コロナウイルスのパンデミックについて,オープンソースのモンテカルロシミュレーションによってモデル化された疾患の拡散について述べる。
最適化の目的は、社会に最小限の経済損失をもたらすため、介入戦略の最良の組み合わせを決定することである。
論文 参考訳（メタデータ） (2022-06-27T21:21:25Z) - Resource Planning for Hospitals Under Special Consideration of the
COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。
BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。
BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
論文 参考訳（メタデータ） (2021-05-16T12:38:35Z) - Speeding up Computational Morphogenesis with Online Neural Synthetic
Gradients [51.42959998304931]
現代科学および工学の適用の広い範囲は制約として部分的な微分方程式(PDEs)のシステムとの最適化問題として定式化されます。
これらのPDE制約最適化問題は通常、標準のDisretize-then-optimizeアプローチで解決される。
オンラインニューラル合成勾配(ONSG)を用いたPDE制約最適化の高速化のための新しい2スケール最適化手法を提案する。
論文 参考訳（メタデータ） (2021-04-25T22:43:51Z) - Balancing Common Treatment and Epidemic Control in Medical Procurement
during COVID-19: Transform-and-Divide Evolutionary Optimization [10.29490155247067]
新型コロナウイルス(COVID-19)などのパンデミックが続く中、病院で医療用品調達の鍵となる目的は、共通疾患の治療と疫病対策のバランスをとることだ。
本稿では,まず,従来の高次元制約型多目的最適化問題を低次元制約型多目的最適化問題に変換する手法を提案する。
提案手法は, 従来の問題を直接解いた方法よりも, はるかに優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2020-08-02T04:47:34Z) - 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) - Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。
このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。
提案手法の順序の順序による時間収束を,総じて低減する。
論文 参考訳（メタデータ） (2020-05-21T20:59:11Z) - Distributionally Robust Bayesian Optimization [121.71766171427433]
そこで本研究では,ゼロ次雑音最適化のための分散ロバストなベイズ最適化アルゴリズム(DRBO)を提案する。
提案アルゴリズムは, 種々の設定において, 線形に頑健な後悔を確実に得る。
提案手法は, 実世界のベンチマークと実世界のベンチマークの両方において, 頑健な性能を示す。
論文 参考訳（メタデータ） (2020-02-20T22:04:30Z)
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。