論文の概要: Statistical Firefly Algorithm for Truss Topology Optimization

• arxiv url: http://arxiv.org/abs/2601.12265v1
• Date: Sun, 18 Jan 2026 05:13:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.53917
• Title: Statistical Firefly Algorithm for Truss Topology Optimization
• Title（参考訳）: トラス位相最適化のための統計的ファイアフライアルゴリズム
• Authors: Nghi Huu Duong, Duy Vo, Pruettha Nanakorn,
• Abstract要約: 本研究では,トラス位相最適化のための統計的ファイアフライアルゴリズム (SFA) を提案する。 ホタルの動きの歴史的結果は 仮説テストで使われます 現在の情報交換によって示唆される ホタルの動きを制限するために その結果,SFAに付加された統計戦略は,元のFAの性能を著しく向上させることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study proposes an algorithm titled a statistical firefly algorithm (SFA) for truss topology optimization. In the proposed algorithm, historical results of fireflies' motions are used in hypothesis testing to limit the motions of fireflies that are suggested by current information exchanges between fireflies only to those that are potentially useful. Hypothesis testing is applied to the mechanism of an ordinary firefly algorithm (FA) without changing its structure. As a result, the implementation of the proposed algorithm is simple and straightforward. Limiting the motions of fireflies to those that are potential useful results in reduction of firefly evaluations, and, subsequently, reduction of computational efforts. To test the validity and efficiency of the proposed algorithm, it is used to solve several truss topology optimization problems, including some benchmark problems. It is found that the added statistical strategy in the SFA significantly enhances the performance of the original FA in terms of computational efforts while still maintains the quality of the obtained results.
• Abstract（参考訳）: 本研究では,トラス位相最適化のための統計的ファイアフライアルゴリズム (SFA) を提案する。 提案アルゴリズムでは,ハエの行動の歴史的結果を用いて,現在の情報交換によって示唆されるハエの動きを,潜在的に有用なものに限定する。 仮説テストは、構造を変化させることなく通常のホタルアルゴリズム(FA)のメカニズムに適用される。 その結果,提案アルゴリズムの実装は単純かつ容易である。 ホタルの運動を潜在的に有用なものに制限することで、ホタルの評価を減らし、計算努力を減らした。 提案アルゴリズムの有効性と効率をテストするため,いくつかのベンチマーク問題を含むトラス位相最適化問題を解くために用いられる。 その結果, SFAに付加された統計戦略は, 結果の質を維持しつつも, 元のFAの性能を大幅に向上させることがわかった。

関連論文リスト

• Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
  本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
  論文  参考訳（メタデータ） (2024-10-28T04:47:39Z)
• Projected Forward Gradient-Guided Frank-Wolfe Algorithm via Variance Reduction [0.0]
  本稿では、深層ニューラルネットワークのトレーニングにフランク・ウルフアルゴリズム(FW)を用いることを目標とする。 任意のアルゴリズムと同様に、FWはDNNの計算において高い計算メモリコストに悩まされる。
  論文  参考訳（メタデータ） (2024-03-19T07:25:36Z)
• A Novel Framework for Improving the Breakdown Point of Robust Regression Algorithms [1.9594639581421422]
  本稿では,頑健な回帰アルゴリズムの分解点を改善するための効果的なフレームワークを提案する。 反復局所探索(CORALS)を用いた一貫した頑健な回帰アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2023-05-20T15:59:33Z)
• A Survey of Numerical Algorithms that can Solve the Lasso Problems [2.538209532048867]
  統計学において、最小絶対収縮・選択演算子 (Lasso) は、変分選択と正則化の両方を実行する回帰法である。 ラッソにおける目的関数を最適化する5つの代表アルゴリズムを要約する。
  論文  参考訳（メタデータ） (2023-03-07T01:12:59Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• Non-asymptotic estimates for TUSLA algorithm for non-convex learning with applications to neural networks with ReLU activation function [3.5044892799305956]
  Lovas et alで導入された未調整Langevinアルゴリズム(TUSLA)の非漸近解析を行う。 特に、Wassersteinstein-1-2におけるTUSLAアルゴリズムの非漸近誤差境界を確立する。 TUSLAアルゴリズムは最適解に急速に収束することを示す。
  論文  参考訳（メタデータ） (2021-07-19T07:13:02Z)
• Zeroth and First Order Stochastic Frank-Wolfe Algorithms for Constrained Optimization [13.170519806372075]
  2組の制約を持つ凸最適化の問題は、半定値プログラミングの文脈で頻繁に発生する。 最初の制約セットへのプロジェクションは困難であるため、プロジェクションフリーなアルゴリズムを探索する必要がある。 提案アルゴリズムの有効性は, スパース行列推定, 半定緩和によるクラスタリング, および一様スペースカット問題の適用性について検証した。
  論文  参考訳（メタデータ） (2021-07-14T08:01:30Z)
• Variance-Reduced Off-Policy Memory-Efficient Policy Search [61.23789485979057]
  政治政策の最適化は強化学習において難しい問題である。 オフポリシーアルゴリズムはメモリ効率が高く、オフポリシーサンプルから学ぶことができる。
  論文  参考訳（メタデータ） (2020-09-14T16:22:46Z)
• IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
  本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。 提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。 加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2020-06-11T18:49:06Z)

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。