論文の概要: Goat Optimization Algorithm: A Novel Bio-Inspired Metaheuristic for Global Optimization
- arxiv url: http://arxiv.org/abs/2503.02331v1
- Date: Tue, 04 Mar 2025 06:44:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:19:44.493046
- Title: Goat Optimization Algorithm: A Novel Bio-Inspired Metaheuristic for Global Optimization
- Title（参考訳）: Goat Optimization Algorithm: グローバル最適化のためのバイオインスパイアされた新しいメタヒューリスティック
- Authors: Hamed Nozari, Hoessein Abdi, Agnieszka Szmelter-Jarosz,
- Abstract要約: 本稿では,ヤギの適応採餌,戦略運動,寄生虫の回避行動に触発された,生物にインスパイアされたメタヒューリスティックな最適化手法を提案する。
アルゴリズムの性能は標準の単調なベンチマーク関数で評価される。
その結果,GOAはバイオインスパイアされた最適化技術において有望な進歩であることが明らかとなった。
- 参考スコア（独自算出の注目度）: 1.2289361708127877
- License:
- Abstract: This paper presents the Goat Optimization Algorithm (GOA), a novel bio-inspired metaheuristic optimization technique inspired by goats' adaptive foraging, strategic movement, and parasite avoidance behaviors.GOA is designed to balance exploration and exploitation effectively by incorporating three key mechanisms, adaptive foraging for global search, movement toward the best solution for local refinement, and a jump strategy to escape local optima.A solution filtering mechanism is introduced to enhance robustness and maintain population diversity. The algorithm's performance is evaluated on standard unimodal and multimodal benchmark functions, demonstrating significant improvements over existing metaheuristics, including Particle Swarm Optimization (PSO), Grey Wolf Optimizer (GWO), Genetic Algorithm (GA), Whale Optimization Algorithm (WOA), and Artificial Bee Colony (ABC). Comparative analysis highlights GOA's superior convergence rate, enhanced global search capability, and higher solution accuracy.A Wilcoxon rank-sum test confirms the statistical significance of GOA's exceptional performance. Despite its efficiency, computational complexity and parameter sensitivity remain areas for further optimization. Future research will focus on adaptive parameter tuning, hybridization with other metaheuristics, and real-world applications in supply chain management, bioinformatics, and energy optimization. The findings suggest that GOA is a promising advancement in bio-inspired optimization techniques.
- Abstract（参考訳）: 本稿では,ヤギの適応的捕食,戦略的移動,寄生虫回避行動に触発された,新たな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手法であるGoat Optimization Algorithm(GOA)を提案する。
このアルゴリズムの性能は、標準の単調およびマルチモーダルのベンチマーク関数に基づいて評価され、Particle Swarm Optimization (PSO)、Grey Wolf Optimizer (GWO)、GA、Whale Optimization Algorithm (WOA)、Artic Bee Colony (ABC)など、既存のメタヒューリスティックよりも大幅に改善されている。
比較分析では,GOAの優れた収束率,グローバル検索能力の向上,解解精度の向上が強調され,GOAの異常な性能の統計的意義が確認された。
その効率性にもかかわらず、計算複雑性とパラメータ感度はさらなる最適化のための領域として残っている。
今後の研究は、アダプティブパラメータチューニング、他のメタヒューリスティックスとのハイブリダイゼーション、サプライチェーン管理、バイオインフォマティクス、エネルギー最適化における実世界の応用に焦点を当てる。
その結果,GOAはバイオインスパイアされた最適化技術において有望な進歩であることが明らかとなった。
関連論文リスト
- 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) - The Firefighter Algorithm: A Hybrid Metaheuristic for Optimization Problems [3.2432648012273346]
The Firefighter Optimization (FFO) algorithm is a new hybrid metaheuristic for optimization problem。
FFOの性能を評価するため、FFOは13の最適化アルゴリズムに対して広範な実験を行った。
その結果、FFOは比較性能を達成し、いくつかのシナリオでは、得られた適合性、正確性に要する時間、時間単位でカバーされる研究空間の点で、一般的に採用されている最適化アルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2024-06-01T18:38:59Z) - Localized Zeroth-Order Prompt Optimization [54.964765668688806]
そこで我々は,ZOPO(Localized zeroth-order prompt optimization)という新しいアルゴリズムを提案する。
ZOPOはニューラル・タンジェント・カーネルをベースとしたガウス法を標準ゼロ階次最適化に取り入れ、高速な局所最適探索を高速化する。
注目すべきは、ZOPOは最適化性能とクエリ効率の両方の観点から、既存のベースラインを上回っていることだ。
論文 参考訳（メタデータ） (2024-03-05T14:18:15Z) - MADA: Meta-Adaptive Optimizers through hyper-gradient Descent [73.1383658672682]
メタ適応(MADA)は、複数の既知の収束を一般化し、トレーニング中に最も適した収束を動的に学習できる統合フレームワークである。
私たちは、MADAを視覚や言語タスクに関する他の人気と経験的に比較し、MADAがAdamや他の人気を一貫して上回っていることに気付きました。
AVGradは最大演算子を平均演算子に置き換えたもので、高次最適化に適している。
論文 参考訳（メタデータ） (2024-01-17T00:16:46Z) - Enhancing Optimization Through Innovation: The Multi-Strategy Improved
Black Widow Optimization Algorithm (MSBWOA) [11.450701963760817]
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。
論文 参考訳（メタデータ） (2023-12-20T19:55:36Z) - 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) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳（メタデータ） (2023-07-25T09:45:47Z) - 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) - 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) - 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)
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。