| 講演名 | 2018-01-27 非線形写像モデル最適化法 神野 健哉(日本工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では非線形写像モデル最適化法(Nonlinear Map model Optimization; MNO)を提案する。NMOは簡素な非線形写像で駆動される幾つかの粒子で構成されている。このためNMOは群知能最適化アルゴリズムの一つとみなすこともできる。一般に群知能最適化アルゴリズムでは多数の計算素子で群れを構成し、この群れによって最適解探索を行うため大量の計算資源を必要とする。これに対してNMOは他の群知能最適化に比べ非常に少ない粒子数しか必要としないため、他の群知能最適化アルゴリズムと比較して少ない計算資源しか必要としない。我々はこれまでに代表的な群知能最適化アルゴリズムである粒子群最適化法(Particle Swarm Optimization; PSO)に関して力学系理論に基づく解析を行い、PSOでは各粒子の探索点分布の形状が解探索能力に重要な影響を与えていることを明らかにしている。この結果を基に、NMOでは探索点分布が適切な形状になるように非線形写像を設計している。その結果、NMOがPSOで標準的に用いられている Standard PSO 2013 (SPSO2013) よりも優れた解探索能力を示すことを数値実験により確認する |
| 抄録(英) | In this article, we propose a nonlinear map-model optimization (abbr. NMO) method. The NMO consists of some particle whose dynamics is driven by a simple nonlinear map. The MNO can be classified as swarm intelligence optimizer. However, the NMO requires only a few particle comparing with other swarm intelligence optimizers. Therefore, the computation amount is the smaller than the other methods. Based on the theoretical analysis results about the dynamics of the particle swarm optimization, we set so that the searching point distribution of the NMO becomes an optimal distribution. As the result, the search performance of the NMO exhibits better than Standard PSO 2013. |
| キーワード(和) | 群知能最適化 / 最適化 / 非線形写像 / 探索点分布 / 決定論的 / black-box問題 |
| キーワード(英) | swarm intelligence / optimization / nonlinear map / search point distribution / deterministic / black-box problem |
| 資料番号 | NLP2017-95 |
| 発行日 | 2018-01-19 (NLP) |
| 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） | 非線形写像モデル最適化法 |
| サブタイトル（和） | |
| タイトル（英） | Nonlinear map model optimization method |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 群知能最適化 / swarm intelligence |
| キーワード(2)（和/英） | 最適化 / optimization |
| キーワード(3)（和/英） | 非線形写像 / nonlinear map |
| キーワード(4)（和/英） | 探索点分布 / search point distribution |
| キーワード(5)（和/英） | 決定論的 / deterministic |
| キーワード(6)（和/英） | black-box問題 / black-box problem |
| 第 1 著者 氏名（和/英） | 神野 健哉 / Kenya Jin'no |
| 第 1 著者 所属（和/英） | 日本工業大学(略称：日本工大) Nippon Institute of Technology(略称：NIT) |
| 発表年月日 | 2018-01-27 |
| 資料番号 | NLP2017-95 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | NLP-415 |
| ページ範囲 | pp.51-54(NLP), |
| ページ数 | 4 |
| 発行日 | 2018-01-19 (NLP) |