粒子群最適化 - Wikipedia
粒子群最適化（りゅうしぐんさいてきか、Particle Swarm Optimization、PSO）とは、群知能の一種。 昆虫の大群や魚群において、一匹がよさそうな経路を発見すると（すなわち、食料を発見したとか安全であるという場合）、群れの残りはどこにいても素早くそれに倣うことができる。 これは多次元空間において位置と速度を持つ粒子群でモデル化される。これらの粒子はハイパー空間を飛びまわり、最善な位置を探す。位置の評価は適応度関数で行う。群れのメンバーは良い位置について情報交換し、それに基づいて自身の位置と速度を調整する。このコミュニケーションは主に次の二種類の方法でなされる。 最も良い位置にいる粒子が全体に通知される。 ローカルなベストの位置にいる粒子が近傍の粒子群に通知される。 位置と速度の更新は以下の式で行われ、これが繰り返される。 は、慣性定数。多くの場合 1 より若干小さい値が
CMA-ES - Wikipedia
CMA-ES (共分散行列適応進化戦略、Covariance Matrix Adaptation Evolution Strategy の略) は、連続最適化問題のアルゴリズム。目的関数 の最小値を探す。目的関数の導関数は不要。100次元程度[1]以下のノイズも乗っている目的関数を想定している。1996年に Nikolaus Hansen と Andreas Ostermeier が発表し[2][3]、その後も改良が続けられている。 概要[編集] ES は進化戦略(evolution strategy)の事で、確率を使用したメタヒューリスティックスの乱択アルゴリズム。多変量正規分布に基づいて新しいサンプルが選ばれる。分布は同じ平均値になるように設定され、突然変異は平均値を変えないように導入される。変数間の依存関係は共分散行列によって扱われる。 CMA は共分散行列適応(covariance
進化戦略 - Wikipedia
進化戦略（しんかせんりゃく、英: Evolution Strategy, ES）あるいは進化的戦略（しんかてきせんりゃく）は、メタヒューリスティクスの探索アルゴリズムである。4つの主要な進化的アルゴリズム方法論の一つでもある。 進化戦略は、実数関数の非線形最適化問題を解く手法として、1960年代頃にベルリン工科大学の Ingo Rechenberg と Hans-Paul Schwefel により開発されたアルゴリズムである。 遺伝的アルゴリズムと同時期に提案され内容も「進化的な要素を関数の探索に用いる」という全く同じコンセプトの手法であるが、1990年代頃までは遺伝的アルゴリズムがアメリカを中心に研究が行われていたのに対し、進化戦略は主にヨーロッパを中心に全く独立の分野として研究が行われ、あまりお互いの交流はなかった。その研究内容としては数学的な解析が非常に多いのが特徴である。 進化戦略
数理最適化とPython
SSII2020 技術動向解説セッション SS1 6/11 (木) 14:00～14:30 メイン会場 (vimeo + sli.do) グラフ構造をもつデータに対する DNN、すなわち Graph Neural Networks (GNNs) の研究はこの２、３年で参加する研究者が急増している。現状、様々なアーキテクチャの GNN が様々なドメインや様々なタスクで個別に提案され、概観を捉えるのも簡単ではない状態になっている。本チュートリアルは、広範に散らばった GNN 研究の現状についての概観と基盤技術を紹介するとともに、時間が許す範囲でコンピュータビジョン領域における応用例の紹介にも取り組みたい。
多目的最適化と多峰性の複数の解を求める違い - KAMEMO for SoftComp. and Intelli. Comp.
FrontPage > 徒然なるままに > 多目的最適化と多峰性の複数の解を求める違い 多目的最適化と多峰性の複数の解を求める違い 2005 4/17 何ともタイトルが長い．このページのリンクはあり得ない長さです． 多目的最適化 多目的最適化とは，複数の目的関数(評価基準，どっちがよいかを決める基準)があり，それらを足したくない，足せない場合，複数の目的関数を同時に，できるだけ良く仕様とする行為です．詳しくは，「多目的最適化とは」を見てください． パソコンを買うときに，できるだけ安くて，高性能な物を買おうとする行為です．結局，トレードオフの答えを見つけ出して悩むわけです． 多峰性の解を求める 多峰性の解を求めることは，「満足化」問題（こんな言い方するのかな？）で有効な考え方です．多峰性の解とは，「そこそこいい複数の”似ていない”解」のことです． 「満足化」とは，簡単に言うと，ある基準
分散遺伝的アルゴリズムの説明
分散遺伝的アルゴリズム（Distributed Genetic Algorithm : DGA） 分散遺伝的アルゴリズム（Distributed Genetic Algorithm : DGA）とは単一母集団GA（Single Population Genetic Algorithm : SPGA）の母集団を複数の分割母集団（島）に分割し，各島内で遺伝的操作を行うというGAの並列化モデルの１つである．DGAでは各島間で解探索の情報を交換するために，移住という操作を行う． DGAの流れを右下図に示す．SPGAの流れと異なるのは移住（Migration）という操作が加わった点である． 移住は，数世代に一度，各島内で選ばれた１つまたは複数個の個体（移住個体 : Migrant）を別の島と交換することで実現される．このとき，各島内における移住個体の割合を移住率（Migration Rate），何世
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://mikilab.doshisha.ac.jp/dia/research/person/junichi/weekly_report/08_20010605/html/index.html