his.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Simulation-based optimisation using local search and neural network metamodels
Högskolan i Skövde, Institutionen för teknik och samhälle.ORCID-id: 0000-0003-3973-3394
Högskolan i Skövde, Institutionen för teknik och samhälle.
Högskolan i Skövde, Institutionen för teknik och samhälle.ORCID-id: 0000-0003-0111-1776
2006 (Engelska)Ingår i: Proceedings of the 10th IASTED International Conference on Artificial Intelligence and Soft Computing, ASC 2006 / [ed] Angel Pasqual del Pobil, Anaheim: ACTA Press, 2006, s. 178-183Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This paper presents a new algorithm for enhancing the efficiency of simulation-based optimisation using local search and neural network metamodels. The local search strategy is based on steepest ascent Hill Climbing. In contrast to many other approaches that use a metamodel for simulation optimisation, this algorithm alternates between the metamodel and its underlying simulation model, rather than using them sequentially. On-line learning of the metamodel is applied to improve its accuracy in the current region of the search space. The proposed algorithm is applied to a theoretical benchmark problem as well as a real-world manufacturing optimisation problem and initial results show good performance when compared to a standard Hill Climbing strategy.

Ort, förlag, år, upplaga, sidor
Anaheim: ACTA Press, 2006. s. 178-183
Nyckelord [en]
Local search, Metamodel, Neural network, Optimisation, Simulation, Artificial intelligence, Channel capacity, Neural networks, Soft computing, Benchmark problems, Local searches, New algorithms, On-line learnings, Search spaces, Simulation models, Steepest ascents, To many, Image classification
Identifikatorer
URN: urn:nbn:se:his:diva-7329Scopus ID: 2-s2.0-56149111515ISBN: 0889866104 ISBN: 9780889866102 OAI: oai:DiVA.org:his-7329DiVA, id: diva2:608162
Konferens
10th IASTED International Conference on Artificial Intelligence and Soft Computing, ASC 2006, 28 August 2006 through 30 August 2006, Palma de Mallorca
Anmärkning

Sponsors: Int. Assoc. Science and Technology for Development (IASTED); Technical Committee on Artificial Intelligence and Expert Systems; Technical Committee on Soft Computing

Tillgänglig från: 2013-02-26 Skapad: 2013-02-26 Senast uppdaterad: 2017-11-27Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

ScopusLänk till fulltext

Personposter BETA

Persson, AnnaGrimm, HenrikNg, Amos

Sök vidare i DiVA

Av författaren/redaktören
Persson, AnnaGrimm, HenrikNg, Amos
Av organisationen
Institutionen för teknik och samhälle

Sök vidare utanför DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 1154 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf