arXiv (Neural Computing)AI
TITLE_JA: ZIVARI-TLBO:教示学習最適化のためのゼロコスト群間評価エリート中継メカニズム
ZIVARI-TLBO: A Zero-Cost Inter-Group Evaluated-Elite Relay Mechanism for Teaching-Learning-Based Optimization
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
最適化アルゴリズムの研究において、計算効率性は重要な課題です。本論文で提案されるZIVARI-TLBOは、教示学習ベース最適化(TLBO)の既存の群制御手法を拡張したもので、革新的なゼロコスト中継メカニズムを組み込んでいます。
このアルゴリズムの最大の特徴は、複数の群間での「評価済みエリート」の交換です。定期的なイベント時に、各群はすでに評価されたエリート解を固定されたリング状の次の群に受け渡します。受け取った群では、このエリート解が現在の最悪の学習者より優れた目的関数値を持つ場合にのみ、その最悪の学習者を置き換えます。重要なのは、この中継は既に評価された解とその適応度値をそのまま複製するため、追加の目的関数呼び出しが必要ないという点です。これにより、限られた計算予算の中で効率的な探索が実現されます。
評価実験では、10,000回の評価予算という同一条件下で、8つの古典的なベンチマーク関数を次元10、30、50、100で、30個の異なる初期シード条件により検証されました。同時に5つの制約付き工学問題に対しても評価されています。同じ群制御手法ただし中継なし版との直接比較では、728回の勝利、11回の同等、221回の敗北を記録し、ランク双列相関係数0.624を示しました。8つの手法を含む多次元比較では、WOA(クジラ最適化アルゴリズム)が平均ランク2.914で最優秀を獲得し、ZIVARI-TLBOは3.382で第2位となっています。従来のTLBO、MCTLBO、DE、PSO、GWOを有意に上回り、WOAには劣りますがHHOとは統計的に有意な差がない結果が得られました。