인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
대규모 차원의 정의역 공간을 갖는 목적함수의 전역 최적화를 위한 협력 공진화 알고리즘에서 부분 문제 선택 과정은 주어진 목적함수의 부분 최적해를 탐색할 해 공간을 결정하는 역할을 수행하며, 이는 전역 최적해 탐색 성능에 영향을 미친다. 그러므로, 협력 공진화 알고리즘의 최적해 탐색 성능을 강화하기 위해서는 탐색과 활용의 균형을 유지하면서 최적해 발견에 중요하게 기여하는 부분 문제를 식별하는 것이 중요하다. 이에 따라, 본 논문에서는 탐색과 활용의 균형을 정교하게 유지하면서 최적의 부분 문제를 선택하기 위해 슬라이딩 윈도 기반의 Non-Stationary UCB-Tuned 알고리즘을 활용하는 방법을 제안한다. 실제 1,000차원의 벤치마크 함수를 활용한 최적화 성능평가 실험에서 제안하는 부분 문제 선택 방법을 적용한 협력 공진화 알고리즘이 가장 우수한 전역 최적해 탐색 성능을 보여주었다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095647237
