論文の概要: Artificial Protozoa Optimizer (APO): A novel bio-inspired metaheuristic algorithm for engineering optimization

• arxiv url: http://arxiv.org/abs/2505.03512v1
• Date: Tue, 06 May 2025 13:22:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.388372
• Title: Artificial Protozoa Optimizer (APO): A novel bio-inspired metaheuristic algorithm for engineering optimization
• Title（参考訳）: 人工原生動物最適化(APO):工学最適化のための新しいバイオインスパイアされたメタヒューリスティックアルゴリズム
• Authors: Xiaopeng Wang, Vaclav Snasel, Seyedali Mirjalili, Jeng-Shyang Pan, Lingping Kong, Hisham A. Shehadeh,
• Abstract要約: 人工原生動物は数学的にモデル化され、ミーアリストラの最適化プロセスを実行するために実装された。 提案したAPOは実験的なシミュレーションによって検証され、32の最先端アルゴリズムと比較された。 実験の結果、APOは最適化問題に対して非常に競争力のある結果が得られることが確認された。
• 参考スコア（独自算出の注目度）: 21.983584506335625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study proposes a novel artificial protozoa optimizer (APO) that is inspired by protozoa in nature. The APO mimics the survival mechanisms of protozoa by simulating their foraging, dormancy, and reproductive behaviors. The APO was mathematically modeled and implemented to perform the optimization processes of metaheuristic algorithms. The performance of the APO was verified via experimental simulations and compared with 32 state-of-the-art algorithms. Wilcoxon signed-rank test was performed for pairwise comparisons of the proposed APO with the state-of-the-art algorithms, and Friedman test was used for multiple comparisons. First, the APO was tested using 12 functions of the 2022 IEEE Congress on Evolutionary Computation benchmark. Considering practicality, the proposed APO was used to solve five popular engineering design problems in a continuous space with constraints. Moreover, the APO was applied to solve a multilevel image segmentation task in a discrete space with constraints. The experiments confirmed that the APO could provide highly competitive results for optimization problems. The source codes of Artificial Protozoa Optimizer are publicly available at https://seyedalimirjalili.com/projects and https://ww2.mathworks.cn/matlabcentral/fileexchange/162656-artificial-protozoa-optimizer.
• Abstract（参考訳）: 本研究では,自然界の原生動物に触発された新しい人工原生動物オプティマイザ(APO)を提案する。 APOはプロトゾアの生存機構を模倣し、餌食、休眠、生殖行動のシミュレーションを行う。 APOはメタヒューリスティックアルゴリズムの最適化プロセスを実行するために数学的にモデル化され実装された。 APOの性能は実験により検証され、32の最先端アルゴリズムと比較された。 Wilcoxon sign-rank testは提案したAPOと最先端のアルゴリズムのペア比較のために実行され、Friedman testは複数の比較に使用された。 まず、APOは2022年のIEEE Congress on Evolutionary Computationベンチマークの12の関数を使用してテストされた。 実用性を考慮して提案されたAPOは、制約のある連続空間における5つの一般的なエンジニアリング設計問題の解決に使用された。 さらに、APOは制約のある離散空間における多レベル画像分割タスクを解くために適用された。 実験の結果、APOは最適化問題に対して非常に競争力のある結果が得られることが確認された。 Artificial Protozoa Optimizerのソースコードはhttps://seyedalimirjalili.com/projectsとhttps://ww2.mathworks.cn/matlabcentral/fileexchange/162656-artificial-protozoa-Optimizerで公開されている。

関連論文リスト

• Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
  我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。 提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
  論文  参考訳（メタデータ） (2024-10-02T08:46:34Z)
• Poisson Process for Bayesian Optimization [126.51200593377739]
  本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。 従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
  論文  参考訳（メタデータ） (2024-02-05T02:54:50Z)
• AxOMaP: Designing FPGA-based Approximate Arithmetic Operators using Mathematical Programming [2.898055875927704]
  FPGAの近似演算子を合成するための,データ解析による数学的プログラミングに基づく手法を提案する。 具体的には、特徴量データの相関解析の結果に基づいて、混合整数の2次制約付きプログラムを定式化する。 従来の進化的アルゴリズムによる最適化と比較して,PPAとBEHAVの併用最適化において,ハイパーボリュームの最大21%の改善が報告されている。
  論文  参考訳（メタデータ） (2023-09-23T18:23:54Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• 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)
• 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)
• The Surprising Effectiveness of MAPPO in Cooperative, Multi-Agent Games [67.47961797770249]
  マルチエージェントPPO(MAPPO)は、集中型値関数を採用するマルチエージェントPPOバリアントである。 MAPPOは,3つの一般的なマルチエージェントテストベッドにおいて,最先端技術に匹敵する性能を実現していることを示す。
  論文  参考訳（メタデータ） (2021-03-02T18:59:56Z)
• Synthesizing multi-layer perceptron network with ant lion, biogeography-based dragonfly algorithm evolutionary strategy invasive weed and league champion optimization hybrid algorithms in predicting heating load in residential buildings [1.370633147306388]
  熱負荷(hl)の正確な近似の意義は,本研究の主な動機である。 提案モデルはant lion optimization (alo) を用いた多層パーセプトロンネットワーク (mlp) である。 ALO(OS = 27)とES(OS = 20)が続く最も有効な最適化技術として、BBO(Biogeography-based optimization)が注目されています。
  論文  参考訳（メタデータ） (2021-02-13T14:06:55Z)
• An AI-Assisted Design Method for Topology Optimization Without Pre-Optimized Training Data [68.8204255655161]
  トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。 設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
  論文  参考訳（メタデータ） (2020-12-11T14:33:27Z)
• Motion-Encoded Particle Swarm Optimization for Moving Target Search Using UAVs [4.061135251278187]
  本稿では,無人航空機(UAV)を用いた移動目標探索のための動き符号化粒子群最適化(MPSO)という新しいアルゴリズムを提案する。 提案するMPSOは,PSOアルゴリズムで粒子生成に進化する一連のUAV運動経路として探索軌道を符号化することにより,その問題を解決するために開発された。 既存手法による広範囲なシミュレーションの結果,提案手法は検出性能を24%,時間性能を4.71倍改善した。
  論文  参考訳（メタデータ） (2020-10-05T14:17:49Z)
• Fuzzy Mutation Embedded Hybrids of Gravitational Search and Particle Swarm Optimization Methods for Engineering Design Problems [37.260815721072525]
  我々はGSAとPSOの2つのハイブリッドバージョンに対するファジィ突然変異モデルを提案した。 開発したアルゴリズムはMutation based GPS (MGPS) と Mutation based PSOGSA と呼ばれる。 我々はこれら2つの新しいアルゴリズムを3つのカテゴリの23のベンチマーク関数上で評価した(一様、多モード、固定次元のマルチモーダル)。
  論文  参考訳（メタデータ） (2020-05-10T07:42:36Z)

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。