翻訳と辞書 Words near each other ・ 粒子径 ・ 粒子放射線 ・ 粒子検出器 ・ 粒子法 ・ 粒子状物質 ・ 粒子発見の年表 ・ 粒子統計 ・ 粒子線 ・ 粒子線写真 ・ 粒子線励起X線分析 ・ 粒子群最適化 ・ 粒子説 ・ 粒子遺伝説 ・ 粒度 ・ 粒度 (プログラミング) ・ 粒度分布 ・ 粒度分布測定装置 ・ 粒度分析 ・ 粒度組成 ・ 粒座神社 Dictionary Lists mini英和辞書 mini和英辞書 Webster 1913 Latin-English FOLDOC Wikipedia English ウィキペディア

翻訳と辞書　辞書検索 [ 開発暫定版 ] スポンサード リンク 粒子群最適化 ： ミニ英和和英辞書 粒子群最適化[りゅうしぐんさいてきか] ===================================== 〔語彙分解〕的な部分一致の検索結果は以下の通りです。 ・ 粒 ： [つぶ] 　 1. (n,n-suf) grain　 ・ 粒子 ： [りゅうし] 　【名詞】1. particle 2. grain ・ 子 ： [こ, ね] 　(n) first sign of Chinese zodiac (The Rat, 11p.m.-1a.m., north, November) ・ 最 ： [さい] 　 1. (n,pref) the most　2. the extreme ・ 最適 ： [さいてき] 　 1. (adj-na,n) optimum　2. the most suitable　 ・ 化 ： [か] 　(suf) action of making something 粒子群最適化 ： ウィキペディア日本語版 粒子群最適化[りゅうしぐんさいてきか] 粒子群最適化（りゅうしぐんさいてきか、'、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。 * $x\; \backslash leftarrow\; x\; +\; v$ * $v\; \backslash leftarrow\; wv\; +\; c\_1\; r\_1\; (\backslash hat-x)\; +\; c\_2\; r\_2\; (\backslash hat\_g-x)$ 　* $w$ は、慣性定数。多くの場合 1 より若干小さい値が最適である。 　* $c\_1$ と $c\_2$ は群のうちで良い位置に向かう粒子の割合。1 に近い値が多くの場合最適である。 　* $r\_1$ と $r\_2$ は $$1 の範囲の値をとる乱数。 　* $\backslash hat$ は、その粒子がこれまでに発見したベストな位置 　* $\backslash hat\_g$ は群全体としてこれまでに発見したベストな位置。これをローカルなベスト $\backslash hat\_l$ にすれば、上記の後者の方法（近傍への通知）になる。、PSO）とは、群知能の一種。 昆虫の大群や魚群において、一匹がよさそうな経路を発見すると（すなわち、食料を発見したとか安全であるという場合）、群れの残りはどこにいても素早くそれに倣うことができる。 これは多次元空間において位置と速度を持つ粒子群でモデル化される。これらの粒子はハイパー空間を飛びまわり、最善な位置を探す。位置の評価は適応度関数で行う。群れのメンバーは良い位置について情報交換し、それに基づいて自身の位置と速度を調整する。このコミュニケーションは主に次の二種類の方法でなされる。 * 最も良い位置にいる粒子が全体に通知される。 * ローカルなベストの位置にいる粒子が近傍の粒子群に通知される。 位置と速度の更新は以下の式で行われ、これが繰り返される。 * $x\; \backslash leftarrow\; x\; +\; v$ * $v\; \backslash leftarrow\; wv\; +\; c\_1\; r\_1\; (\backslash hat-x)\; +\; c\_2\; r\_2\; (\backslash hat\_g-x)$ 　* $w$ は、慣性定数。多くの場合 1 より若干小さい値が最適である。 　* $c\_1$ と $c\_2$ は群のうちで良い位置に向かう粒子の割合。1 に近い値が多くの場合最適である。 　* $r\_1$ と $r\_2$ は $$1 の範囲の値をとる乱数。 　* $\backslash hat$ は、その粒子がこれまでに発見したベストな位置 　* $\backslash hat\_g$ は群全体としてこれまでに発見したベストな位置。これをローカルなベスト $\backslash hat\_l$ にすれば、上記の後者の方法（近傍への通知）になる。 == アルゴリズム == * 各粒子について $x$ と $v$ をランダムに初期化。値の範囲は問題の設定に依存する。 * $\backslash hat$ を現在位置に初期化。 * $\backslash hat\_g$ を群全体で最も良い適応度を持つ粒子の位置に初期化。 * $\backslash hat\_g$ での適応度がしきい値より小さく、かつループ回数が事前に設定した回数に達していないうちは、以下を繰り返し実行する。 　* 各粒子について、以下を実行する。 　　* 上述の式に従って $x$ を更新する。 　　* 新たな位置での適応度を計算する。 　　* $\backslash hat$ での適応度よりも良い値が得られたら、$\backslash hat$ を置き換える。 　　* $\backslash hat\_g$ での適応度よりも良い値が得られたら、$\backslash hat\_g$ を置き換える。 　　* 上述の式に従って $v$ を更新する。 抄文引用元・出典: フリー百科事典『 ウィキペディア（Wikipedia）』 ■ウィキペディアで「粒子群最適化」の詳細全文を読む スポンサード リンク 翻訳と辞書 : 翻訳のためのインターネットリソース Copyright(C) kotoba.ne.jp 1997-2016. All Rights Reserved.