検索結果 48件中 21-40 を表示

  • 2 / 3
  • 粒子数依存パラメータを有する成長型PSOについて

    黒須 智博 , 斎藤 利通 , 神野 健哉

    成長構造を有する粒子群最適化について考察する。最適解を探索するある粒子の動きが停滞した時に新しい粒子を生成させることにより、粒子群の規模は、対象とする問題に依存して成長できる。成長を制御するため、粒子数が増大するに従って減衰する加速パラメータを導入する。典型的なベンチマークによる数値実験を行い、探索成功率、探索に所要する計算回数と粒子数や、探索成功率等を指標として、アルゴリズムの性能を考察する。

    電子情報通信学会技術研究報告. NC, ニューロコンピューティング 109(125), 99-103, 2009-07-06

    参考文献11件

  • 粒子数依存パラメータを有する成長型PSOについて

    黒須 智博 , 斎藤 利通 , 神野 健哉

    成長構造を有する粒子群最適化について考察する。最適解を探索するある粒子の動きが停滞した時に新しい粒子を生成させることにより、粒子群の規模は、対象とする問題に依存して成長できる。成長を制御するため、粒子数が増大するに従って減衰する加速パラメータを導入する。典型的なベンチマークによる数値実験を行い、探索成功率、探索に所要する計算回数と粒子数や、探索成功率等を指標として、アルゴリズムの性能を考察する。

    電子情報通信学会技術研究報告. NLP, 非線形問題 109(124), 99-103, 2009-07-06

    参考文献11件

  • 領域適応型Particle Swarm Optimizationによる複数の最適解の探索(機械力学,計測,自動制御)

    北山 哲士 , 宮川 智栄 , 山崎 光悦 [他] , 荒川 雅生

    金沢大学理工研究域機械工学系The main objective called as the population based optimization techniques is to find a global minimum. However, it is sometimes preferable to find multiple optima in the engineering design. The Adaptive Range Particle Swarm Optimization (ARPSO) to find multiple optima is proposed in this paper. The active search domain range of the ARPSO is only one, however, many active search domain ranges to find multiple optima are generated in the proposed appoach. At first, the many active search domain ranges are generated by the paired particles, and the procedure of the ARPSO is applied. Then, the paired particles find local or global minimum separetely. Many active search domain ranges are sometimes integrated through the search process. The detail procedure to integrate the active search domain ranges is also explained in this paper. It is possible to find multiple optima with high accuracy by the proposed approach. The validity of proposed method is examined through numerical examples.出版者許諾要件により、2010年4月より全文公開.

    日本機械学会論文集 C編 75(751), 710-718, 2009

    CiNii 外部リンク 機関リポジトリ J-STAGE 参考文献16件

  • 群れの知能 : Particle Swarm Optimization

    石亀 篤司 , 安田 恵一郎

    知能と情報 : 日本知能情報ファジィ学会誌 : journal of Japan Society for Fuzzy Theory and Intelligent Informatics 20(6), 829-839, 2008-12-15

    参考文献40件 被引用文献3件

  • 213 非劣解の多様性を考慮した多目的Particle Swarm Optimization

    北山 哲士 , 荒川 雅生 , 山崎 光悦

    The objectives of the Multi-Objective Evolutionary Algorithms (MOEA) are summarized as follows: (1) To find the pareto optimal solutions, (2) To find the pareto optimal solutions as diverse as possible. To achieve these objectives by the PSO for the single objective problems, we propose how to define the g-best in the swarm without introducing some new parameters. Additionally, some particles among the non- inferior solutions are also selected as the g-best of the inferior solutions to find the pareto optimal solutions. The absolute distance in the objective space is utilized to select the g-best of the inferior solutions. We also show the geometric interpretation about the movement of particles. The validity of proposed approach is examined through typical numerical examples.

    最適化シンポジウム講演論文集 2008(8), 213-218, 2008-11-26

  • EPSOによる標準的粒子群最適化器のモデル選択 : メタ最適化

    章 宏 , 石川 眞澄

    我々は既に様々な最適化問題を効率的に解くPSOモデルを推定できる進化的粒子群最適化EPSOを提案した。この方法は群知能と確率的最適化のモデル選択に対してメタ最適化の新たなパラダイムを与えている。本稿では,その適応範囲を検証するため,EPSOを標準的粒子群最適化器(CPSO)に適用しCPSOの適切なパラメータセットを系統的に推定することを提案する。ここでの基本アイデアは,CPSO性能の評価として時間的累積適合度関数を用いることである。本提案法の有効性を調べるために,幾つかのベンチマーク問題を解く計算機実験を行う。得られる結果に基づいて最適なCPSOモデルの特徴分析やオリジナルCPSOおよびRGA/Eとの性能比較などを行う。

    電子情報通信学会技術研究報告. NC, ニューロコンピューティング 107(542), 495-500, 2008-03-05

    参考文献17件

  • 2411 多目的Particle Swarm Optimizationの現状と課題について(OS6-1 近似最適化(I))

    北山 哲士 , 山崎 光悦

    This paper reports the survey on the Multi-Objective Particle Swarm Optimization (MOPSO). Some MOPSO models have been proposed since 2002. The objectives of the MOPSO are summarized as follows: (1) To find the pareto optimal solutions, (2) To find the pareto optimal solutions as diverse as possible. We summarize these MOPSO, and point out some merits and demerits.

    設計工学・システム部門講演会講演論文集 2007(17), 248-251, 2007-10-30

  • 2412 非劣解の多様性を考慮した多目的Particle Swarm Optimization(OS6-1 近似最適化(I))

    北山 哲士 , 山崎 光悦 , 荒川 雅生

    The objectives of the Multi-Objective Evolutionary Algorithms (MOEA) are summarized as follows: (1) To find the pareto optimal solutions, (2) To find the pareto optimal solutions as diverse as possible. To achieve these objectives by the PSO for the single objective problems, we propose how to define the g-best in the swarm without introducing some new parameters. That is, one particle among the non-inferior solutions is selected as the g-best to achieve the divesity among the non-inferior solutions. The relative distance in the objective space is utilized to select the g-best among the non-inferior solutions. Additionally, some particles among the non-inferior solutions are also selected as the g-best of the inferior solutions to find the pareto optimal solutions. The absolute distance in the objective space is utlized to select the g-best of the inferior solutions. We also show the geometical interpretation about the movement of particles. The validity of proposed approach is examined through typical numerical examples.

    設計工学・システム部門講演会講演論文集 2007(17), 252-255, 2007-10-30

  • F09(1) 最適化技術の概要(【F09】最適化技術の展開と応用(続編))

    山崎 光悦

    年次大会講演資料集 2007.8(0), 220-221, 2007

    J-STAGE

  • 進化的 Particle Swarm Optimization の有効性に関する検証テスト

    章 宏 , 石川 眞澄

    Particle Swarm Optimization(PSO)のパラメータの最適化は大域最適解への探索性能を向上できるため,計算機科学やその応用などの分野においてメタ最適化手法は脚光を浴びている。本稿では,事前知識なしで進化的計算により,与えられた最適化問題に対応するPSOの適切なパラメータ値を系統的に推定できる進化的Particle Swarm Optimization法(EPSO)を提案する。EPSOの有効性を検証するため,一式のベンチマークテスト問題の計算機実験を行い,得られる実験結果に基づき,EPSOの特徴を分析する。

    電子情報通信学会技術研究報告. NC, ニューロコンピューティング 107(92), 85-90, 2007-06-07

    参考文献15件

  • 領域適応型 Particle Swarm Optimization の提案

    北山 哲士 , 荒川 雅生 , 山崎 光悦

    金沢大学大学院自然科学研究科知的システム創成金沢大学工学部This paper proposes a new method which is called as Adaptive Range Particle Swarm Optimization (ARPSO), based on Adaptive Range Genetic Algorithm. That is, the active search domain is determined by using the mean and standard deviation of each design variable. In general, multipoints methods are utilized in the field of evolutionary computation. At the initial search stage it is preferable to explore the search domain widely, and is also preferable to explore the smaller search domain as the search goes on. To achieve this objective, new parameter which determines the active search domain is introduced. This new parameter gradually increases as the search goes on. Finally it is possible to shrink the search domain. The way to determine the maximum value of this new parameter is also shown in this paper. The optimum solution with high accuracy and a. little number of function calls is obtained by proposed method in compared with original Particle Swarm Optimization. Through numerical examples, the effectiveness and validity of proposed method are examined.

    日本機械学会論文集. C編 73(725), 280-287, 2007-01-25

    機関リポジトリ 参考文献13件 被引用文献4件

  • 221 領域適応型Particle Swarm Optimizationの提案

    北山 哲士 , 荒川 雅生 , 山崎 光悦

    最適化シンポジウム講演論文集 2006(7), 257-262, 2006-12-08

  • K14 CAEと設計高度化・最適化の課題 : 設計支援ツールの観点からの分析

    山崎 光悦

    年次大会講演資料集 2006.8(0), 443-444, 2006

    J-STAGE

  • F06(1) 最適化技術の概要(最適化技術の展開と応用)

    山崎 光悦

    年次大会講演資料集 2006.8(0), 207-208, 2006

    J-STAGE

  • 非線形計画アルゴリズム : 実用的観点から

    安田 恵一郎 , 石亀 篤司

    システム/制御/情報 : システム制御情報学会誌 = Systems, control and information 50(9), 344-349, 2006-09-15

    参考文献16件 被引用文献14件

  • ε 制約遺伝的アルゴリズムによる制約付き最適化

    高濱 徹行 , 阪井 節子

    進化的アルゴリズムに基づいた制約付き最適化に関する研究が活発に行われている.しかし,従来の方法では探索の安定性が低い,制約領域内の局所解からの脱出が不十分である,目的関数の評価回数が多いという問題があった.本研究では,ε 制約法を遺伝的アルゴリズム(GA)に適用したεGAを提案する.εGA は,均等に親を選択し親と子の上位を次世代に残す選択,一様交叉,Gauss 突然変異,Cauchy 突然変異を採用することにより,安定した局所解に陥りにくい効率的な探索を行うことができる.εGA を13 個の多様な制約付き非線形最適化問題に適用し,他の方法と比較することによりその有効性を示した.Researches on constrained optimization using evolutionary algorithms have been actively studied. However, these reseaches have problems that the stability and the efficiency of the search is low and the ability of escaping from local solutions is inadequate. In this study, we propose the εGA, which is defined by applying the ε constrained method to a genetic algorithm. The εGA adopts the selection where parents are chosen equally and next generation is formed by top individuals from parents and children, uniform crossover, Gaussian mutation and Cauchy mutation. The εGA realizes stable and efficient search that can escape local solutions. The advantage of the εGA is shown by applying the εGA to various type of 13 constrained problems and comparing the results to the results by other methods.

    情報処理学会論文誌 47(6), 1861-1871, 2006-06-15

    情報処理学会 機関リポジトリ 参考文献23件 被引用文献2件

  • Flock 大域的最適化手法

    志水 清孝

    P個の個体群,Flock,を考え,互いに干渉し合う多軌道型慣性系とカオス的軌道を用いた新しい大域的最適化アルゴリズムを提案する.ランダム関数を用いないことと,連続時間系で考えることと,目的関数のこう配情報も用いることがPSOと異なる点である.

    電子情報通信学会論文誌. A, 基礎・境界 89(5), 380-384, 2006-05-01

    参考文献12件

  • Multi-Species Particle Swarm Optimizer for Multimodal Function Optimization

    IWAMATSU Masao

    This paper introduces a modified particle swarm optimizer (PSO) called the Multi-Species Particle Swarm Optimizer (MSPSO) for locating all the global minima of multi-modal functions. MSPSO extend the original PSO by dividing the particle swarm spatially into a multiple cluster called a species in a multi-dimensional search space. Each species explores a different area of the search space and tries to find out the global or local optima of that area. We test our MSPSO for several multi-modal functions with multiple global optima. Our MSPSO can successfully locate all the global optima of all the test functions, and in particular, can locate all 18 global optima of the two-dimensional Shubert function. We also examined how the performance of MSPSO depends on various algorithm parameters.

    IEICE transactions on information and systems 89(3), 1181-1187, 2006-03-01

    参考文献19件 被引用文献2件

  • Particle Swarm Optimization の改良とポートフォリオ選択への応用

    越野 亮 , 村田 裕章 , 木村 春彦

    Particle Swarm Optimization(PSO)は, 鳥の群れや魚の群泳など群れをなして移動する生物の行動パターンから着想を得た集団探索に基づく確率的最適化手法であり, 非線形システムの最適化における様々な問題に応用されている. PSOを改良した手法としてInertia Weights Approach(IWA)とConstriction Factor Approach(CFA)がある. IWAは探索初期には問題空間を大域的に探索し, 終盤では見つかった最良解付近を局所的に探索する手法であり, CFAは速度更新式において, 新たにパラメータを導入した手法である. 本研究では, IWAとCFAを組み合わせたInertia Weights Constriction Factor Approach(IWCFA)と集団における個体の順位に着目したPSO_<Rank>を提案する. また, 関数最適化問題や証券金融分野の中で最も代表的な数理モデルであるポートフォリオ選択問題に応用した結果, PSOはGAより高精度の解を得られ, 提案手法はPSOよりも高精度の解が得られたことを示す.

    電子情報通信学会論文誌. A, 基礎・境界 89(1), 48-60, 2006-01-01

    参考文献30件 被引用文献5件

  • 1912 構造最適設計の近年の動向 : 大域的最適化手法を中心に(キーノート講演,OS-19 計算力学と最適化)

    山崎 光悦 , 北山 哲士

    計算力学講演会講演論文集 2005(18), 743-744, 2005-11-17

  • 2 / 3
ページトップへ