ダウンロード数: 29
このアイテムのファイル:
| ファイル | 記述 | サイズ | フォーマット | |
|---|---|---|---|---|
| 2220-14.pdf | 7.12 MB | Adobe PDF | 見る/開く |
| タイトル: | 種分化のための$beta$緩和相対近傍グラフの提案 (不確実環境下における意思決定数理の新展開) |
| その他のタイトル: | A Study on $beta$-Relaxed Relative Neighborhood Graph for Speciation (New Developments on Mathematical Decision Making Under Uncertainty) |
| 著者: | 阪井, 節子  高濱, 徹行 |
| 著者名の別形: | Sakai, Setsuko Takahama, Tetsuyuki |
| 発行日: | May-2022 |
| 出版者: | 京都大学数理解析研究所 |
| 誌名: | 数理解析研究所講究録 |
| 巻: | 2220 |
| 開始ページ: | 121 |
| 終了ページ: | 133 |
| 抄録: | 多峰性最適化は，多数の最適解を持つ多峰性問題において，一度に全ての最適解を探索するという非常に難しい最適化である．このための方法として，近接グラフによる種分化が提案されている．しかし，グラフとしてGabrielグラフ(GG)を用いており，高次元の間題では少数の最適解しか発見できないという問題がある．本研究では，比較的高速に生成できるグラフであり，パラメータ0によってGG(β＝1)と相対近傍グラフ(β=2)の中間的な近傍グラフを生成できるβ緩和相対近傍グラフ(βRNG)を提案する．2次元から20次元の5-peaks問題において，様々なβ値に基づいて探索点を種分化し，差分進化により最適解を探索した．その結果，低次元の問題では小さいβで高速に解を探索し，高次元の問題では大きいβでなるべく多くの解を探索することが有効であることが分かった． |
| URI: | http://hdl.handle.net/2433/277154 |
| 出現コレクション: | 2220 不確実環境下における意思決定数理の新展開 |
このリポジトリに保管されているアイテムはすべて著作権により保護されています。