論文の概要: MAAPO:an innovative membrane algorithm based on artificial protozoa optimizer for multilevel threshold image segmentation
- arxiv url: http://arxiv.org/abs/2609.12756v1
- Date: Fri, 11 Sep 2026 12:08:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.736051
- Title: MAAPO:an innovative membrane algorithm based on artificial protozoa optimizer for multilevel threshold image segmentation
- Title（参考訳）: 多値閾値画像分割のための人工原生動物最適化アルゴリズムMAAPO
- Abstract要約: The Artificial Protozoa (APO) is adopted as the base meta-heuristic algorithm because its novelty and competitive performance。
MAAPOは,(1)人口多様性と探索動態を改善するために並列分散パラダイムを導入する膜コンピューティングフレームワークと,(2)適応基準点選択のためのルーレットベースのフィットネス-距離バランス機構を用いたAPO内の自己栄養モデルである。
- 参考スコア（独自算出の注目度）: 28.515914089384022
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a novel membrane algorithm based on artificial protozoa optimizer (MAAPO) for global optimization problems. The artificial protozoa optimizer (APO) is adopted as the base meta-heuristic algorithm due to its novelty and competitive performance. MAAPO integrates two key innovations:(1) a membrane computing (MC) framework that introduces a parallel distributed paradigm to improve population diversity and search dynamics, and (2) an enhanced autotrophic model within APO that uses a roulette-based fitness-distance balance (RFDB) mechanism for adaptive reference point selection. These strategies collectively enhance the algorithm's exploration-exploitation balance and global search capabilities. To validate its performance, MAAPO is tested against 12 advanced algorithms on the CEC2017 test suite, and further applied to the multilevel thresholding image segmentation problem using Otsu and Kapur entropy as objective functions. The quality of segmented images is assessed using peak signal-to-noise ratio (PSNR), structural similarity index (SSIM), and feature similarity index (FSIM) metrics. Experimental results demonstrate that MAAPO outperforms its counterparts, delivering superior segmentation quality. This research on MAAPO contributes an effective enhancement strategy to meta-heuristic algorithms and introduces a novel, highly applicable approach for complex image segmentation tasks.
- Abstract（参考訳）: 本稿では,グローバル最適化問題に対する人工原生動物最適化法(MAAPO)に基づく新しい膜アルゴリズムを提案する。
人工原生動物オプティマイザ(APO)は,その新規性と競争性能から,ベースとなるメタヒューリスティックアルゴリズムとして採用されている。
MAAPOは,(1)人口多様性と探索動態を改善するために並列分散パラダイムを導入した膜コンピューティング(MC)フレームワークと,(2)適応基準点選択のためのルーレットベースのフィットネス-距離バランス(RFDB)機構を用いたAPO内の自己栄養モデルを統合する。
これらの戦略は、アルゴリズムの探索・探索バランスとグローバル検索能力を総合的に強化する。
その性能を検証するため、CEC2017テストスイート上で12の高度なアルゴリズムに対してMAAPOを試験し、さらにOtsuとKapurエントロピーを目的関数として用いたマルチレベルしきい値画像分割問題に適用した。
分割画像の品質は、ピーク信号対雑音比(PSNR)、構造類似度指数(SSIM)、特徴類似度指標(FSIM)を用いて評価される。
実験の結果,MAAPOは高いセグメンテーション品質を実現し,優れたセグメンテーション性能を実現していることがわかった。
本研究は,メタヒューリスティックアルゴリズムに対する効果的な拡張戦略に寄与し,複雑な画像分割タスクに対して,新しい,高度に適用可能なアプローチを提案する。
関連論文リスト
- LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。
このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
論文 参考訳（メタデータ） (2024-10-03T18:12:29Z) - Impact of Financial Literacy on Investment Decisions and Stock Market Participation using Extreme Learning Machines [0.0]
本研究の目的は、金融リテラシーが金融意思決定や株式市場の参加にどのように影響するかを検討することである。
ソーシャルメディアプラットフォームから収集したデータを用いて、リアルタイム投資家の行動や態度を分析する。
この結果は、金融リテラシーが株式市場の参加と金融決定において重要な役割を担っていることを示している。
論文 参考訳（メタデータ） (2024-07-03T20:55:15Z) - Orthogonally Initiated Particle Swarm Optimization with Advanced Mutation for Real-Parameter Optimization [0.04096453902709291]
本稿では,多角形PSO(orthogonal PSO with Mutation,OPSO-m)と呼ばれる拡張粒子群(PSO)を紹介する。
PSOのための改良された初期Swarmを育むための配列ベースの学習手法を提案し、Swarmベースの最適化アルゴリズムの適応性を大幅に向上させた。
この記事はさらに、人口を正規グループとエリートグループに分割する、アーカイブベースの自己適応学習戦略を提示する。
論文 参考訳（メタデータ） (2024-05-21T07:16:20Z) - A new simplified MOPSO based on Swarm Elitism and Swarm Memory: MO-ETPSO [0.0]
Elitist PSO (MO-ETPSO) は多目的最適化問題に適用される。
提案アルゴリズムは、確立されたNSGA-IIアプローチからコア戦略を統合する。
このアルゴリズムの新たな側面は、SwarmメモリとSwarmエリート主義の導入である。
論文 参考訳（メタデータ） (2024-02-20T09:36:18Z) - Surpassing legacy approaches to PWR core reload optimization with single-objective Reinforcement learning [0.0]
単目的および多目的の最適化のための深層強化学習(DRL)に基づく手法を開発した。
本稿では、PPO(Proximal Policy Optimization)を用いて、RLに基づくアプローチの利点を実証する。
PPOは学習可能なウェイトを持つポリシーで検索機能を適応し、グローバル検索とローカル検索の両方として機能する。
論文 参考訳（メタデータ） (2024-02-16T19:35:58Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - A survey on multi-objective hyperparameter optimization algorithms for
Machine Learning [62.997667081978825]
本稿では,多目的HPOアルゴリズムに関する2014年から2020年にかけての文献を体系的に調査する。
メタヒューリスティック・ベース・アルゴリズムとメタモデル・ベース・アルゴリズム,および両者を混合したアプローチを区別する。
また,多目的HPO法と今後の研究方向性を比較するための品質指標についても論じる。
論文 参考訳（メタデータ） (2021-11-23T10:22:30Z) - Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian
Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。
我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。
我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文 参考訳（メタデータ） (2021-07-07T03:57:22Z) - Model-based Multi-agent Policy Optimization with Adaptive Opponent-wise
Rollouts [52.844741540236285]
マルチエージェント強化学習(MARL)におけるモデルベース手法について検討する。
AORPO(Adaptive Opponent-wise Rollout Policy)と呼ばれる新しい分散型モデルベースのMARL法を提案する。
論文 参考訳（メタデータ） (2021-05-07T16:20:22Z) - 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) - Proximal Policy Optimization via Enhanced Exploration Efficiency [6.2501569560329555]
近似ポリシー最適化(PPO)アルゴリズムは、優れた性能を持つ深層強化学習アルゴリズムである。
本稿では,PPOアルゴリズムにおける元のガウス的行動探索機構の仮定を分析し,探索能力が性能に与える影響を明らかにする。
複雑な環境で使用可能な固有探査モジュール(IEM-PPO)を提案する。
論文 参考訳（メタデータ） (2020-11-11T03:03:32Z) - Generalized Self-Adapting Particle Swarm Optimization algorithm with
archive of samples [0.0]
本稿では,M-GAPSOと呼ばれるアルゴリズムの新バージョンを紹介する。
GAPSOの当初の定式化と比較すると、グローバル再起動管理スキーム、R-Treeベースインデックス内のサンプル収集、グローバルな粒子性能に基づくサンプリング動作の適応、ローカル検索への具体的なアプローチの4つの特徴がある。
論文 参考訳（メタデータ） (2020-02-28T00:03:17Z)
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。