| 講演名 | 2018-01-27 動的環境下でのセンサ付き粒子群オプティマイザの探索特徴 章 宏(九工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 動的環境下で粒子群オプティマイザの探索を実施するには，先行研究として著者が三つのセンサ付き粒子群オプティマイザ，即ちparticle swarm optimizer with sensors (PSOS)，particle swarm optimizer with inertia weight with sensors (PSOIWS)とcanonical particle swarm optimizer with sensors (CPSOS)を提案した．本稿では，これらの方法を用いてより良い探索性能と効率化を実現するため，得られる探索情報とセンサ情報を生かし，変動する最良解(移動目標)の最もベストの移動位置を決定する．これに基づいて速やかに移動目標を追跡することができる．シミュレーション実験において，センサの設定パラメータ(個数，感知距離)を変化させて，変速８形追跡問題に対して各方法の探索特徴を調べる． |
| 抄録(英) | In order to perform the search of particle swarm optimizer under dynamic environment, as a previous study, author has proposed three methods which are particle swarm optimizer with sensors (PSOS), particle swarm optimizer with inertia weight with sensors (PSOIWS) and canonical particle swarm optimizer with sensors (CPSOS), respectively. For realizing better search performance and efficiency by using these methods, in this paper, we combine the obtained search information and sensor information to determine the most position of the changed best solution (moving target during the search process. Then, based on the measured results, it is possible to track the moving target promptly. In our simulation experiments, with changing the parameters (number, sensing distance) of the sensors, we investigate the search feature of each method against the variable speed 8 type of tracking problems. Based on analyzing results, we reveal the outstanding tracking ability of PSOIWS and CPSOS methods. |
| キーワード(和) | 群知能 / 粒子群最適化 / センサ / 追跡能力 / 累積適合度 |
| キーワード(英) | swarm intelligence / particle swarm optimization / sensor / tracking ability / cumulative fitness |
| 資料番号 | NC2017-63 |
| 発行日 | 2018-01-19 (NC) |
| 研究会情報 | |
| 研究会 | MBE / NC / NLP |
|---|---|
| 開催期間 | 2018/1/26(から2日開催) |
| 開催地（和） | 九州工業大学 |
| 開催地（英） | Kyushu Institute of Technology |
| テーマ（和） | ニューロコンピューティングの実装および人間科学のための解析・モデル化, ME，一般 |
| テーマ（英） | ME, generalImplementation of Neuro Computing,Analysis and Modeling of Human Science, |
| 委員長氏名（和） | 中島 一樹(富山大) / 萩原 将文(慶大) / 安達 雅春(東京電機大) |
| 委員長氏名（英） | Kazuki Nakajima(Univ. of Toyama) / Masafumi Hagiwara(Keio Univ.) / Masaharu Adachi(Tokyo Denki Univ.) |
| 副委員長氏名（和） | 京相 雅樹(東京都市大) / 平田 豊(中部大) / 高橋 規一(岡山大) |
| 副委員長氏名（英） | Masaki Kyoso(TCU) / Yutaka Hirata(Chubu Univ.) / Norikazu Takahashi(Okayama Univ.) |
| 幹事氏名（和） | 高野 博史(富山県立大) / 永岡 隆(近畿大) / 青西 亨(東工大) / 吉川 大弘(名大) / 坪根 正(長岡技科大) / 山内 将行(広島工大) |
| 幹事氏名（英） | Hironobu Takano(Toyama Pref. Univ.) / Takashi Nagaoka(Kindai Univ.) / Toru Aonishi(Tokyo Inst. of Tech.) / Tomohiro Yoshikawa(Nagoya Univ.) / Tadashi Tsubone(Nagaoka Univ. of Tech.) / Masayuki Yamauchi(Hiroshima Inst. of Tech.) |
| 幹事補佐氏名（和） | 金 主賢(富山大) / 小林 匠(横国大) / 篠沢 佳久(慶大) / 稲垣 圭一郎(中部大) / 橘 俊宏(湘南工科大) / 木村 真之(京大) |
| 幹事補佐氏名（英） | Kim Juhyon(Univ. of Toyama) / Takumi Kobayashi(YNU) / Yoshihisa Shinozawa(Keio Univ.) / Keiichiro Inagaki(Chubu Univ.) / Toshihiro Tachibana(Shonan Inst. of Tech.) / Masayuki Kimura(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing / Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 動的環境下でのセンサ付き粒子群オプティマイザの探索特徴 |
| サブタイトル（和） | |
| タイトル（英） | The Search Feature of Particle Swarm Optimizer with Sensors in Dynamic Environment |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 群知能 / swarm intelligence |
| キーワード(2)（和/英） | 粒子群最適化 / particle swarm optimization |
| キーワード(3)（和/英） | センサ / sensor |
| キーワード(4)（和/英） | 追跡能力 / tracking ability |
| キーワード(5)（和/英） | 累積適合度 / cumulative fitness |
| 第 1 著者 氏名（和/英） | 章 宏 / Hiroshi Sho |
| 第 1 著者 所属（和/英） | 九州工業大学(略称：九工大) Kyushu Institute of Technology(略称：KIT) |
| 発表年月日 | 2018-01-27 |
| 資料番号 | NC2017-63 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | NC-417 |
| ページ範囲 | pp.77-82(NC), |
| ページ数 | 6 |
| 発行日 | 2018-01-19 (NC) |