群知能の解説頁です。 Weblio辞書辞典>辞書・百科事典>群知能>群知能の3ページ目

群知能とは?




カッコウ探索アルゴリズム[7]は、レヴィ分布から得られるジャンプステップを伴うレヴィフライト(⇒『英語版』)によって強化される[8]
最近の研究によれば、CSは粒子群最適化などの他のアルゴリズムを凌駕しているという。
例えば、カッコウ探索とPSO、DE、ABCとの比較で、PSOやABCに比べてCSとDEの結果がより頑健だとされた[9]
ホタルアルゴリズム

ホタルアルゴリズム (Firefly Algorithm, FA) はホタルの点滅にヒントを得た群知能アルゴリズムの一種である。
光の強さがホタルの誘引度を表し、その誘引によって群が小グループに分割され、それぞれ局所的モードに集まる。
したがってホタルアルゴリズムは多峰性の最適化問題に特に適している[10]
実際には、連続的最適化、巡回セールスマン問題、クラスタリング、画像処理と特徴抽出などに適用されている。
重力探索アルゴリズム

重力探索アルゴリズム (Gravitational Search Algorithm, GSA) は万有引力の法則と質量の相互作用に基づいている。
GSAはニュートン力学を用い、探索エージェントとして質量群を使う。
質量群の孤立した系を想定する。
系内の質量は周辺の質量との重力の影響を受ける[11]
GSAにおけるエージェントは物体であり、その質量は適応度に対応している。
万有引力の法則に従ってエージェント同士が互いに引き付け合い、あらゆる物体がより大きな質量を持つ物体へと引き付けられるように運動することになる。
よりよい解がより大きな質量に対応する。
エージェントの位置が問題の解に対応し、適応度関数によって質量が求められる(解空間内の位置によって適応度は異なるので、エージェントの移動に伴ってその質量も変化する)。
時間経過に伴い、個々の質量は最も重い質量に引き付けられることになる。
この質量が探索空間の最適解を表していることが望まれる。
非優越ソート重力探索アルゴリズム (NSGSA) はGSAの複数目的関数版で、2011年に Nobahari と Nikusokhan が提案した[12]
Intelligent Water Drops

Intelligent Water Drops (IWD) アルゴリズムは群知能ベースの最適化アルゴリズムで、自然界の河川がほぼ常に最適な経路を見つける様子にヒントを得たものである。
その最適(に近い)経路は、低い方へと流れる水と川床の間の作用と反作用によって生まれる。
IWDアルゴリズムでは、複数の人工的な川が環境に働きかけるように最適解を明らかにする。
IWDアルゴリズムは徐々に解へと近づいていく[13]
マルチスウォーム最適化

マルチスウォーム最適化(⇒『英語版』)は、粒子群最適化 (PSO) の粒子群を複数の部分群にしたものである。
マルチスウォーム最適の一般的手法は、個々の部分群を特定の分割法に基づいて場所と時期を決めて特定領域に割り当てていく。
多峰性の最適化問題に適している。
粒子群最適化

粒子群最適化(PSO)は n次元空間での解が点や面で表される問題の最適解を探索する汎用的な極小化技術である。
仮説に基づいて粒子群が空間内にばらまかれ、それぞれに初期速度が与えられる。
楽に探せる!楽ワード

ページ(3/13)
≪前ページ | 次ページ

ページTOP▲
「群知能」の1ページ目
Weblio辞書辞典
「群知能」の記述に関する著作権




ランダム表示|登録辞書一覧
Weblio辞書辞典

お気に入りに登録
友達にも教える

Weblio辞書辞典|ヘルプ|お問合せ
©2020Weblio