論文の概要: Bombardier Beetle Optimizer: A Novel Bio-Inspired Algorithm for Global Optimization

• arxiv url: http://arxiv.org/abs/2510.17005v1
• Date: Sun, 19 Oct 2025 21:04:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.244478
• Title: Bombardier Beetle Optimizer: A Novel Bio-Inspired Algorithm for Global Optimization
• Title（参考訳）: Bombardier Beetle Optimizer: グローバル最適化のための新しいバイオインスパイアされたアルゴリズム
• Authors: Hisham A. Shehadeh, Mohd Yamani Idna Idris, Iqbal H. Jebril,
• Abstract要約: BBO(Bombardier Beetle)と呼ばれる新しいバイオインスパイアされた最適化アルゴリズムが提案されている。 この種の種は非常に知性があり、捕食者から守り逃れる能力がある。
• 参考スコア（独自算出の注目度）: 0.2548904650574671
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, a novel bio-inspired optimization algorithm is proposed, called Bombardier Beetle Optimizer (BBO). This type of species is very intelligent, which has an ability to defense and escape from predators. The principles of the former one is inspired by the defense mechanism of Bombardier Beetle against the predators, which the Bombardier Beetle triggers a toxic chemical spray when it feels threatened. This reaction occurs in a specialized reaction chamber inside its abdomen and includes a well regulated enzymatic mechanism, which comprises hot water vapor, oxygen, and irritating substances like p-benzoquinones. In addition, the proposed BBO simulates also the escape mechanism of Bombardier Beetle from predator, which it has the ability to calculate its distance from predator and it can fly away. The BBO is tested with optimizing Congress on Evolutionary Computation (CEC 2017) test bed suites. Moreover, it is compared against well-known metaheuristic optimization algorithms includes Chernobyl Disaster Optimizer (CDO), Grey Wolf Optimizer (GWO), Particle Swarm Optimization (PSO), Bermuda Triangle Optimizer (BTO), Sperm Swarm Optimization (SSO) and Gravitational Search Algorithm (GSA). The outcomes of this paper prove the BBO's efficiency in which outperforms the other algorithms in terms of convergence rate and quality of results.
• Abstract（参考訳）: 本稿では,BBO(Bombardier Beetle Optimizer)と呼ばれるバイオインスパイアされた新しい最適化アルゴリズムを提案する。 この種の種は非常に知性があり、捕食者から守り逃れる能力がある。 前者の原理は、ボンバルディア・ビートル(Bombardier Beetle)の捕食者に対する防御機構にインスパイアされ、ボンバルディア・ビートル(Bombardier Beetle)は脅威を感じた時に有害な化学噴霧を誘発する。 この反応は腹部内の特殊な反応室で発生し、熱水蒸気、酸素、p-ベンゾキノンなどの刺激物質を含む、よく調節された酵素機構を含む。 さらに、BBOは捕食者からのBombardier Beetleの脱出機構をシミュレートし、捕食者からの距離を計算し、飛び去ることができる。 BBOは、Evolutionary Computation (CEC 2017)テストベッドスイートの最適化でテストされている。 さらに、チェルノブイリ災害最適化アルゴリズム(CDO)、グレイウルフ最適化アルゴリズム(GWO)、粒子群最適化アルゴリズム(PSO)、バミューダ三角角最適化アルゴリズム(BTO)、スペルム群最適化アルゴリズム(SSO)、重力探索アルゴリズム(GSA)など、よく知られたメタヒューリスティック最適化アルゴリズムと比較される。 本研究の結果は,BBOの効率が,収束率や結果の質において,他のアルゴリズムよりも優れていることを示す。

関連論文リスト

• ABCO: Adaptive Bacterial Colony Optimisation [3.031375888004876]
  本稿では、適応細菌コロニー最適化(ABCO)と呼ばれる新しい最適化アルゴリズムを提案する。 ABCOは3つの段階 – 探索,エクスプロイト,再現 – に従って,アプリケーションの要件を満たすように適応している。
  論文  参考訳（メタデータ） (2025-05-02T14:48:14Z)
• HyperArm Bandit Optimization: A Novel approach to Hyperparameter Optimization and an Analysis of Bandit Algorithms in Stochastic and Adversarial Settings [0.0]
  本稿では,機械学習モデルにおけるハイパーパラメータチューニングに EXP3 を適用した新しいフレームワークである HyperArm Bandit Optimization (HABO) を提案する。 HABOは、個々のハイパーパラメータをスーパーアームとして扱い、潜在的な構成をサブアームとして扱い、動的リソース割り当てと効率的な探索を可能にする。
  論文  参考訳（メタデータ） (2025-03-13T11:50:28Z)
• Goat Optimization Algorithm: A Novel Bio-Inspired Metaheuristic for Global Optimization [1.2289361708127877]
  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。
  論文  参考訳（メタデータ） (2025-03-04T06:44:07Z)
• Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach [84.20358039333756]
  本研究では,AAV群に分散コラボレーティブビームフォーミング(DCB)を導入し,対応する信号分布を制御して盗聴者の共謀を処理した。 両方向の秘密保持能力と最大サイドローブレベルを最小化して、未知の盗聴者からの情報漏洩を回避する。 本稿では,より少ないオーバーヘッドで問題を解決するために,新しいジェネレーティブ・スウォーム・インテリジェンス(GenSI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-02T04:02:58Z)
• 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)
• 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)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• GOOSE Algorithm: A Powerful Optimization Tool for Real-World Engineering Challenges and Beyond [4.939986309170004]
  GOOSEアルゴリズムは19のよく知られたテスト関数でベンチマークされる。 提案アルゴリズムは, 最新のベンチマーク関数10を用いて検証する。 得られた結果は,提案アルゴリズムの優れた性能を示すものである。
  論文  参考訳（メタデータ） (2023-07-19T19:14:25Z)
• Model-based Causal Bayesian Optimization [78.120734120667]
  モデルに基づく因果ベイズ最適化(MCBO)を提案する。 MCBOは介入と逆のペアをモデリングするのではなく、完全なシステムモデルを学ぶ。 標準的なベイズ最適化とは異なり、我々の取得関数は閉形式では評価できない。
  論文  参考訳（メタデータ） (2022-11-18T14:28:21Z)
• Designing Biological Sequences via Meta-Reinforcement Learning and Bayesian Optimization [68.28697120944116]
  メタ強化学習を用いて自己回帰生成モデルを訓練し、選択のための有望なシーケンスを提案する。 我々は,データのサブセットのサンプリングによって誘導されるMDPの分布に対する最適ポリシーを求める問題として,この問題を提起する。 このようなアンサンブルに対するメタラーニングは,報酬の過小評価に対して頑健であり,競争的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-13T18:37:27Z)
• Sub-linear Regret Bounds for Bayesian Optimisation in Unknown Search Spaces [63.22864716473051]
  本稿では,反復により探索空間を拡大(およびシフト)する新しいBOアルゴリズムを提案する。 理論的には、どちらのアルゴリズムにおいても、累積的後悔は線形以下の速度で増大する。
  論文  参考訳（メタデータ） (2020-09-05T14:24:40Z)

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。