Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Self-Evaluation: Self-Enhancement and Self-Verification03:00

Self-Evaluation: Self-Enhancement and Self-Verification

5.8K
Social psychologists have documented that feeling good about ourselves and maintaining positive self-esteem is a powerful motivator of human behavior (Tavris & Aronson, 2008). In the United States, members of the predominant culture typically think very highly of themselves and view themselves as good people who are above average on many desirable traits (Ehrlinger, Gilovich, & Ross, 2005). Often, our behavior, attitudes, and beliefs are affected when we experience a threat to our...
5.8K
Trial and Error and Algorithm01:12

Trial and Error and Algorithm

401
A problem-solving strategy is a plan of action used to find a solution. Different strategies have distinct action plans. Trial and error involves trying different solutions until one works. For instance, to fix a broken printer, you might check ink levels, ensure the paper tray isn't jammed, and verify the printer's connection to your laptop. This method can be time-consuming but is commonly used. Thomas Edison, for example, used trial and error to find a suitable filament for the light...
401
Antibiotic Selection00:57

Antibiotic Selection

59.9K
Overview
59.9K
What is Genetic Engineering?00:49

What is Genetic Engineering?

80.0K
Overview
80.0K
What is Natural Selection?01:32

What is Natural Selection?

128.1K
Natural selection is an evolutionary process in which individuals with survival-promoting traits reproduce at higher rates. These favorable traits become more common within a population or species. Naturally selected traits initially arise via random genetic mutations. In order for selection to occur, there must be variation within a population, the trait controlling the variation must be heritable, and there must be an evolutionary advantage for variation in the trait.
128.1K
Optimal Foraging00:48

Optimal Foraging

13.8K
How animals obtain and eat their food is called foraging behavior. Foraging can include searching for plants and hunting for prey and depends on the species and environment.
13.8K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same journal

Multiphysics Investigation on Thermal Characteristics of Internal Bio-Inspired V-Ribbed Cooling Channels for Outer Rotor PMSM.

Biomimetics (Basel, Switzerland)·2026
Same journal

Smart Logistics Model for Supply Chain Management via Brain-Inspired Geometric Deep Networks.

Biomimetics (Basel, Switzerland)·2026
Same journal

A Systematic Taxonomy of the Sunflower Optimization Algorithm: Variants, Hybridization Strategies, Applications, and Research Directions.

Biomimetics (Basel, Switzerland)·2026
Same journal

Toward a Compositional Theory of Trust in Embodied Intelligence: A QNLP Framework for Modeling Context, Interaction, and Trustworthiness.

Biomimetics (Basel, Switzerland)·2026
Same journal

Empirical Logic for Bio-Inspired Soft Computing: Illustrative Applications in Control Engineering and Cluster Analysis.

Biomimetics (Basel, Switzerland)·2026
Same journal

A Modified Multi-Strategy Dhole Optimization Algorithm and Its Engineering Applications.

Biomimetics (Basel, Switzerland)·2026
関連記事をすべて見る

関連する実験動画

Updated: Jan 28, 2026

Two Algorithms for High-throughput and Multi-parametric Quantification of Drosophila Neuromuscular Junction Morphology
12:29

Two Algorithms for High-throughput and Multi-parametric Quantification of Drosophila Neuromuscular Junction Morphology

Published on: May 3, 2017

11.1K

工学最適化および特徴選択のためのマルチ戦略強化パスファインダーアルゴリズム：EODE-PFA

Meiyan Li1, Chuxin Cao2, Mingyang Du3

  • 1School of Science, Hainan University, Haikou 570100, China.

Biomimetics (Basel, Switzerland)
|January 27, 2026
PubMed
まとめ
この要約は機械生成です。

本研究では、群知能最適化を改善するために強化パスファインダーアルゴリズム（EODE-PFA）を導入します。新しいアルゴリズムは、探索と活用をバランスさせ、ベンチマーク関数および実際の工学および特徴選択問題で優れたパフォーマンスを示します。

キーワード:
差分進化アルゴリズムエリート反対ベース学習工学最適化特徴選択マルチ戦略強化パスファインダーアルゴリズム（EODE-PFA）パスファインダーアルゴリズム群知能最適化アルゴリズム

さらに関連する動画

High Throughput Characterization of Adult Stem Cells Engineered for Delivery of Therapeutic Factors for Neuroprotective Strategies
09:19

High Throughput Characterization of Adult Stem Cells Engineered for Delivery of Therapeutic Factors for Neuroprotective Strategies

Published on: January 4, 2015

11.2K
A Web-Based Workflow for Selecting Gene- and Tissue-Specific Enhancers
08:12

A Web-Based Workflow for Selecting Gene- and Tissue-Specific Enhancers

Published on: July 18, 2025

645

関連する実験動画

Last Updated: Jan 28, 2026

Two Algorithms for High-throughput and Multi-parametric Quantification of Drosophila Neuromuscular Junction Morphology
12:29

Two Algorithms for High-throughput and Multi-parametric Quantification of Drosophila Neuromuscular Junction Morphology

Published on: May 3, 2017

11.1K
High Throughput Characterization of Adult Stem Cells Engineered for Delivery of Therapeutic Factors for Neuroprotective Strategies
09:19

High Throughput Characterization of Adult Stem Cells Engineered for Delivery of Therapeutic Factors for Neuroprotective Strategies

Published on: January 4, 2015

11.2K
A Web-Based Workflow for Selecting Gene- and Tissue-Specific Enhancers
08:12

A Web-Based Workflow for Selecting Gene- and Tissue-Specific Enhancers

Published on: July 18, 2025

645

科学分野:

  • 計算知能
  • 群知能最適化
  • メタヒューリスティックアルゴリズム

背景:

  • 元のパスファインダーアルゴリズム（PFA）は、最適化能力のバランスが悪く、集団の多様性が低く、収束が遅いという問題があります。
  • 既存のPFAの制限は、効果的なグローバル探索とローカル活用を妨げます。

研究 の 目的:

  • マルチ戦略強化を用いた強化パスファインダーアルゴリズム（EODE-PFA）を提案すること。
  • 群知能アルゴリズムにおけるグローバル探索とローカル最適化の間のバランスの問題に対処すること。

主な方法:

  • マルチ戦略（EODE-PFA）に基づいた強化パスファインダーアルゴリズムを開発しました。
  • EODE-PFAをCEC2022ベンチマーク関数、複雑な工学問題、および特徴選択タスクで検証しました。
  • EODE-PFAを8つの確立された最適化アルゴリズムと比較し、アブレーション実験を実施しました。

主要な成果:

  • EODE-PFAは、多様なシナリオにわたって、収束速度と解精度の点で顕著な利点を示しました。
  • アブレーション研究により、実装された戦略の相乗効果が確認されました。
  • ウィルコクソン符号順位検定を用いた統計分析により、結果の有意性が検証されました。

結論:

  • EODE-PFAは、探索と活用のバランスを効果的に取り、既存のアルゴリズムを上回るパフォーマンスを発揮します。
  • 提案されたアルゴリズムは、離散特徴選択を含む、さまざまな最適化シナリオにわたって強力な工学的実用性と普遍性を示します。