論文の概要: An Enhancement of Cuckoo Search Algorithm for Optimal Earthquake Evacuation Space Allocation in Intramuros, Manila City

• arxiv url: http://arxiv.org/abs/2502.13477v1
• Date: Wed, 19 Feb 2025 07:01:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 14:01:16.539299
• Title: An Enhancement of Cuckoo Search Algorithm for Optimal Earthquake Evacuation Space Allocation in Intramuros, Manila City
• Title（参考訳）: マニラ市における最適地震避難空間配置のためのカッコウ探索アルゴリズムの強化
• Authors: Marcus Andre Villanueva, Charles Matthew Ching, Khatalyn Mata,
• Abstract要約: Cuckoo Search Algorithm (ECSA) は複雑な最適化問題を解くために提案されている。 アルゴリズムの性能を13のベンチマーク関数で評価した。 ECSAはその後、マニラのイントラミューロスで地震避難スペース割り当てを最適化するために適用される。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The Cuckoo Search Algorithm (CSA), while effective in solving complex optimization problems, faces limitations in random population initialization and reliance on fixed parameters. Random initialization of the population often results in clustered solutions, resulting in uneven exploration of the search space and hindering effective global optimization. Furthermore, the use of fixed values for discovery rate and step size creates a trade-off between solution accuracy and convergence speed. To address these limitations, an Enhanced Cuckoo Search Algorithm (ECSA) is proposed. This algorithm utilizes the Sobol Sequence to generate a more uniformly distributed initial population and incorporates Cosine Annealing with Warm Restarts to dynamically adjust the parameters. The performance of the algorithms was evaluated on 13 benchmark functions (7 unimodal, 6 multimodal). Statistical analyses were conducted to determine the significance and consistency of the results. The ECSA outperforms the CSA in 11 out of 13 benchmark functions with a mean fitness improvement of 30% across all functions, achieving 35% for unimodal functions and 24% for multimodal functions. The enhanced algorithm demonstrated increased convergence efficiency, indicating its superiority to the CSA in solving a variety of optimization problems. The ECSA is subsequently applied to optimize earthquake evacuation space allocation in Intramuros, Manila.
• Abstract（参考訳）: Cuckoo Search Algorithm (CSA)は、複雑な最適化問題を解くのに効果的であるが、ランダムな集団の初期化と固定パラメータへの依存の制限に直面している。 集団のランダム初期化は、しばしばクラスタ化された解をもたらすため、探索空間を不均一に探索し、効果的なグローバル最適化を妨げる。 さらに、探索速度とステップサイズに対する固定値の使用は、解の精度と収束速度のトレードオフを生み出す。 これらの制約に対処するため、拡張Cuckoo Search Algorithm (ECSA) を提案する。 このアルゴリズムは、Sobol Sequenceを利用して、より均一に分散された初期集団を生成し、Cosine Annealing with Warm Restartsを組み込んでパラメータを動的に調整する。 アルゴリズムの性能を13のベンチマーク関数 (7のunimodal, 6のmultimodal) で評価した。 結果の意義と整合性を決定するために統計的分析を行った。 ECSAは、13のベンチマーク関数のうち11のCSAよりも優れており、すべての関数の平均適合性は30%向上し、単調関数は35%、マルチモーダル関数は24%向上した。 改良されたアルゴリズムは収束効率の向上を示し、様々な最適化問題の解法において CSA よりも優れていることを示した。 ECSAはその後、マニラのイントラミューロスで地震避難スペース割り当てを最適化するために適用される。

関連論文リスト

• Evaluation and Efficiency Comparison of Evolutionary Algorithms for Service Placement Optimization in Fog Architectures [1.3723120574076126]
  この研究は霧のサービス配置の問題に対する3つの進化的アルゴリズムを比較した。 NSGA-IIは、目的の最高最適化と解空間の最高多様性を得た。 WSGAアルゴリズムは、他の2つのアルゴリズムに関して何の利益も示さなかった。
  論文  参考訳（メタデータ） (2025-01-17T05:21:00Z)
• Testing the Efficacy of Hyperparameter Optimization Algorithms in Short-Term Load Forecasting [0.0]
  我々は、Panaama Electricityデータセットを用いて、サロゲート予測アルゴリズムであるXGBoostのHPOアルゴリズムの性能を、精度(MAPE、$R2$)とランタイムで評価する。 その結果,Random SearchよりもHPOアルゴリズムが優れていることがわかった。
  論文  参考訳（メタデータ） (2024-10-19T09:08:52Z)
• Hyperparameter Adaptive Search for Surrogate Optimization: A Self-Adjusting Approach [1.6317061277457001]
  サーロゲート最適化(SO)アルゴリズムは高価なブラックボックス関数の最適化を約束している。 提案手法は,各問題とSOアプローチに特有の最も影響力のあるハイパーパラメータを同定し,修正する。 実験により,様々なSOアルゴリズムの性能向上におけるHASSOの有効性が示された。
  論文  参考訳（メタデータ） (2023-10-12T01:26:05Z)
• Massively Parallel Genetic Optimization through Asynchronous Propagation of Populations [50.591267188664666]
  Propulateは、グローバル最適化のための進化的最適化アルゴリズムとソフトウェアパッケージである。 提案アルゴリズムは, 選択, 突然変異, 交叉, 移動の変種を特徴とする。 Propulateは解の精度を犠牲にすることなく、最大で3桁高速であることがわかった。
  論文  参考訳（メタデータ） (2023-01-20T18:17:34Z)
• Exploring the Algorithm-Dependent Generalization of AUPRC Optimization with List Stability [107.65337427333064]
  AUPRC(Area Under the Precision-Recall Curve)の最適化は、機械学習にとって重要な問題である。 本研究では, AUPRC最適化の単依存一般化における最初の試行について述べる。 3つの画像検索データセットの実験は、我々のフレームワークの有効性と健全性に言及する。
  論文  参考訳（メタデータ） (2022-09-27T09:06:37Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Large-scale Optimization of Partial AUC in a Range of False Positive Rates [51.12047280149546]
  ROC曲線 (AUC) の下の領域は、機械学習において最も広く使われている分類モデルのパフォーマンス指標の1つである。 近年の封筒平滑化技術に基づく効率的な近似勾配降下法を開発した。 提案アルゴリズムは,効率のよい解法を欠くランク付けされた範囲損失の和を最小化するためにも利用できる。
  論文  参考訳（メタデータ） (2022-03-03T03:46:18Z)
• 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)
• An Accelerated Variance-Reduced Conditional Gradient Sliding Algorithm for First-order and Zeroth-order Optimization [111.24899593052851]
  条件勾配アルゴリズム(Frank-Wolfeアルゴリズムとも呼ばれる)は、最近、機械学習コミュニティで人気を取り戻している。 ARCSは、ゼロ階最適化において凸問題を解く最初のゼロ階条件勾配スライディング型アルゴリズムである。 1次最適化では、ARCSの収束結果は、勾配クエリのオラクルの数で、従来のアルゴリズムよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2021-09-18T07:08:11Z)
• A Domain-Shrinking based Bayesian Optimization Algorithm with Order-Optimal Regret Performance [16.0251555430107]
  これはGPに基づく最初のアルゴリズムであり、順序最適化された後悔の保証がある。 GP-UCB系のアルゴリズムと比較して,提案アルゴリズムは計算複雑性を$O(T2d-1)$で低減する。
  論文  参考訳（メタデータ） (2020-10-27T02:15:15Z)
• ADAHESSIAN: An Adaptive Second Order Optimizer for Machine Learning [91.13797346047984]
  本稿では,2次最適化アルゴリズムであるADAHESSIANを紹介する。 ADAHESSIANは、他の適応最適化手法と比較して、新しい最先端の成果を大きなマージンで達成することを示す。
  論文  参考訳（メタデータ） (2020-06-01T05:00:51Z)

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。