講演抄録/キーワード |
講演名 |
2018-06-13 15:50
追跡問題を解く複数のセンサ付き粒子群オプティマイザの使用 ○章 宏(九工大) NC2018-7 |
抄録 |
(和) |
本稿では,より追跡性能を高めるために,複数のセンサ付き粒子群オプティマイザ,即ち,Multiple Particle Swarm Optimizers with Sensors (MPSOS),Multiple Particle Swarm Optimizers with Inertia Weight with Sensors (MPSOIWS)とMultiple Canonical Particle Swarm Optimizers with Sensors (MCPSOS)を構築し,実現することを提案する.これにより,得られる探索情報とセンサ情報及び最良解決定を生かして,速やかに移動目標を追跡することができる.計算機実験において,センサの設定パラメータ(個数,感知距離)を変化させて,一式のベンチマークである定速I型,変速II型と変速III型の追跡問題を解く際の探索方法MPSOIWSとMCPSOSの探索特徴を調べる.実験結果の分析により,探索方法MPSOIWSとMCPSOSの探索性能及び追跡能力などを明らかにする. |
(英) |
For realizing better search performance and efficiency, in this paper, author proposes three methods which are multiple particle swarm optimizers with sensors (MPSOS), multiple particle swarm optimizers with inertia weight with sensors (MPSOIWS) and multiple canonical particle swarm optimizers with sensors (MCPSOS), respectively. Duo to utilizing the obtained search information, sensor information and selection of the best solution, this approach is possible to promptly track the moving target. In simulation experiments, with changing the parameters (number, sensing distance) of the sensors, we investigate the search feature of each method against a set of benchmark which are the constant speed I type, variable speed II type and III type of tracking problems. Based on analyzing results, we reveal the outstanding search performance and tracking ability of MPSOIWS and MCPSOS 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 / / / |
(英) |
swarm intelligence / particle swarm optimization / sensor / tracking ability / cumulative fitness / / / |
文献情報 |
信学技報, vol. 118, no. 80, NC2018-7, pp. 9-14, 2018年6月. |
資料番号 |
NC2018-7 |
発行日 |
2018-06-06 (NC) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2018-7 |
研究会情報 |
研究会 |
NC IBISML IPSJ-BIO IPSJ-MPS |
開催期間 |
2018-06-13 - 2018-06-15 |
開催地(和) |
沖縄科学技術大学院大学 |
開催地(英) |
Okinawa Institute of Science and Technology |
テーマ(和) |
機械学習によるバイオデータマインニング、一般 |
テーマ(英) |
Machine Learning Approach to Biodata Mining, and General |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2018-06-NC-IBISML-BIO-MPS |
本文の言語 |
日本語 |
タイトル(和) |
追跡問題を解く複数のセンサ付き粒子群オプティマイザの使用 |
サブタイトル(和) |
|
タイトル(英) |
Use of Multiple Particle Swarm Optimizers with Sensors on Solving Tracking Problems |
サブタイトル(英) |
|
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 |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
章 宏 / Hiroshi Sho / ショウ ヒロシ |
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) |
第2著者 氏名(和/英/ヨミ) |
/ / |
第2著者 所属(和/英) |
(略称: )
(略称: ) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2018-06-13 15:50:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2018-7 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.80 |
ページ範囲 |
pp.9-14 |
ページ数 |
6 |
発行日 |
2018-06-06 (NC) |
|