Single Object
단일 개체

단일 목표 최적화(SOO) 및 다중 목표 최적화(MOO)의 두 가지 설계 최적화 접근 방식이 사용되었으며 SHO 알고리즘을 사용하여 비교가 수행되었습니다.

더욱이, 단일 목표 최적화 문제에서 PSO의 급속한 수렴으로 인해 다중 목표 최적화 문제를 다룰 때 PSO는 지표가 제대로 분포되지 않는 경향이 있습니다.

그런 다음 시스템의 정상적인 작동은 센서 후 랩 모바일 충전기를 완료하는 프로세스가 제약 조건으로 최소 배터리 용량 이상인지 확인해야 하며, 단일 목표 문제에 대한 다중 목표 문제, 단순화된 계산은 다음과 같습니다. 선형 프로그래밍 문제로 더 변형되어 합리적인 충전 속도 r, 이동 속도 v, 배터리 용량 f, 센서는 최소 배터리 용량을 해결하여 얻습니다.

MOEA/D는 집계 함수와 진화 연산자를 사용하여 다중 목표 문제를 스칼라 단일 목표 하위 문제 세트로 분해합니다.

가중합 방법은 다중 목표 문제를 단일 목표 문제로 변환하는 데 사용됩니다.

가중 합계 방법은 가중 벡터를 적용하여 모든 고독한 목적 함수를 단일 목적으로 집계합니다.

키워드: 역기구학, 조절 지수, 작업 공간 볼륨, GCI, 단일 목표 최적화, 다중 목표 입자 군집 최적화(MOPSO), 가중 합계 전략.

여기에서 로컬 Tabu 검색(MOPSO-TS) 알고리즘을 사용한 하이브리드화된 다중 목표 입자 군집 최적화는 서로 다른 목표를 교환하는 최적 솔루션의 백을 생성하여 기존 단일 목표 알고리즘의 위의 단점을 극복하기 위해 제안됩니다.

연료 비용과 오염 물질 배출 목표의 상반된 특성 때문에 가중합 접근 방식과 가격 패널티 팩터는 이중 목적 함수를 단일 목적 함수로 전환하는 데 사용됩니다.

제안된 문제는 가중합 접근 방식을 사용하여 단일 목적 최적화 문제로 변경됩니다.

SE-EE 트레이드오프 문제를 표준 선형 계획법 기술을 사용하여 해결할 수 있는 단일 목적 혼합 정수 선형 최적화 문제로 변환하여 최적의 솔루션을 제공하는 새로운 엡실론 제약 기반 선형 계획법 자원 할당 프레임워크를 제안합니다.

모델의 복잡성을 고려하여 모델을 혼합 정수 선형 단일 목적 최적화 모델로 변환하고 시뮬레이션 솔루션에 GAMS 소프트웨어를 사용합니다.

이 비교는 ACS의 제안 알고리즘이 총 연료 비용, 전력 손실, 전압 프로파일 개선 및 총 발전 배출량의 단일 목적 함수를 최소값으로 줄이는 복잡한 목적 함수의 다양한 OPF 문제를 해결하기 위한 ACS 기술의 효율성을 보여줍니다. 800개 중.

제안된 방법론은 두 부분으로 나눌 수 있습니다. 손실 최소화 및 전압 개선을 개별적으로 연구하는 단일 목적 함수 및 두 번째 부분은 손실 감소 및 전압 프로파일 개선 두 가지 목표에 대한 최적의 솔루션을 찾기 위한 다중 목적 단일 표현 문제입니다.

또한 기존의 양방향 최적화 모델과 달리 위험회피 요인을 도입하여 최대 수익과 최소 위험을 모두 하나의 객관적인 형태로 달성하고 정규화 방법을 통해 다른 단위에 의한 차원적 영향을 제거합니다.

전체 최적화는 비용 최소화 및 불편 감소를 목표로 하는 소비자 측의 양방향 최적화 문제와 비용 최소화를 목표로 하는 집계 측의 단일 객관적인 최적화 문제로 공식화됩니다.

최근 개발된 OPM(Oblique Plane Microscopy)은 축외 여기 및 원격 초점을 사용하여 단 하나의 대물 렌즈로 LSFM 설계를 단순화합니다.

여기에서는 하나의 단일 객체 이미지와 결합하여 여러 참조 이미지를 처리하는 두 가지 접근 방식이 이미지 품질에 대해 평가됩니다.

이 논문에서는 제한된 단일 목적 최적화를 위한 새로운 지그재그 기반 벤치마크 함수의 구성을 제시합니다.

이 논문은 GECCO(Genetic and Evolutionary Computation Conference) 2021에서 CLustering-aided migration and adaptive perturbation vector control(SOMA- CLP).

모든 단일 개체는 고유하게 인식되고 네트워크를 통해 연결할 수 있습니다.

P 시스템의 공간 복잡성에 대한 첫 번째 정의는 생화학 물질을 사용한 가상의 실제 구현을 기반으로 하므로 모든 단일 개체 또는 멤브레인에는 일정한 물리적 공간이 필요하다고 가정합니다.

여기에서 로컬 Tabu 검색(MOPSO-TS) 알고리즘을 사용한 하이브리드화된 다중 목표 입자 군집 최적화는 서로 다른 목표를 교환하는 최적 솔루션의 백을 생성하여 기존 단일 목표 알고리즘의 위의 단점을 극복하기 위해 제안됩니다.

다중 목표 탐색 알고리즘은 기존 단일 목표 알고리즘보다 효율적이지만 로컬 최적에 빠지기 쉽습니다.

단일 모드 및 다중 모드 테스트 기능으로 구성된 24개의 단일 목표 최적화 벤치마크 문제는 제안된 하이브리드 알고리즘(OPSSAJ)으로 해결되었으며 수치 결과는 새로 등장한 메타휴리스틱 최적화 프로그램에서 얻은 결과와 비교되었습니다.

시뮬레이션 실험은 태스크 실행 시점부터 수행되었으며, 결과는 심층 강화 학습에 의한 워크플로 스케줄링이 다른 4개의 단일 객관적 휴리스틱 알고리즘에 비해 더 효과적인 것으로 나타났습니다.

기존 단일 개체 추적기의 대부분은 단일 로컬 검색 창에서 대상을 추적하므로 심한 폐색 및 시야 밖의 움직임과 같은 까다로운 요소에 특히 취약합니다.

본 논문에서는 기존의 단일 개체 추적기를 확장한 전체 복강경 도구에 대한 실시간 다중 개체 추적 프레임워크를 제안합니다.

제안하는 단일 객체 추적기인 TDIOT은 데이터 연관을 위해 외형 유사도 기반 시간 매칭을 적용한다.

제안된 가변 길이 비지배 정렬 기반 유전자 알고리즘(NSGA-II)을 사용하여 거의 파레토 최적 포트폴리오를 얻을 때 제안된 단일 목표 유전자 알고리즘(GA) 기반 마코위츠를 통해 각 포트폴리오 구성주의 분기별 가중치를 결정합니다. 모델.

그런 다음 제안된 방법론을 사용하여 안정성을 제약 조건으로 유지하는 소프트웨어 비용을 최소화하고 비용을 제약 조건으로 유지하여 안정성을 최대화하는 단일 객관적인 문제를 해결합니다.

물체 감지는 단일 물체 추적을 해결하는 가장 성공적인 전략으로 입증되었습니다.

포인트 클라우드의 기존 3D 단일 개체 추적기(SOT)는 모두 포인트에서 특징을 추출할 때 축소를 적용합니다.

3D 단일 물체 추적은 로봇이 효율적인 추적을 위해 대상을 강력하게 추적하고 정확하게 위치를 파악해야 하는 자율 추적 로봇의 핵심 문제입니다.

기존의 단일 목표 최적화는 분산 발전(DG), 다양한 수요 응답 및 유연한 토폴로지 등으로 인해 여러 불확실성이 있는 능동 배전 네트워크(ADN)의 최적 운영에 대한 요구 사항을 충족할 수 없습니다.

기존의 유성 절단기 메커니즘 설계는 주어진 조건을 충족하는 설계 계획을 결정하기 위해 반복적인 시도와 검증을 필요로 하며 이 계획은 일반적으로 최선이 아닙니다. 기존의 단일 목표 최적화 설계는 일반적으로 제품의 최적의 포괄적인 성능을 무시하고 특정 최적 성능을 달성하기 위해 특정 요구 사항만을 목표로 합니다.

이중 목표 모델은 퍼지 다중 목표 프로그래밍 방식을 사용하여 동등한 단일 목표 선형 계획법 모델로 변환됩니다.

제안된 모델을 동등한 단일 목적 형식으로 변환하기 위해 e-제약 방법 및 시스템 계획자 자세 매개변수가 도입되었으며, 이는 LINGO 소프트웨어에 의해 추가로 해결됩니다.

우리의 실험에서는 모집단 기반 메타휴리스틱, 최신 DE 알고리즘 또는 최신 DE 알고리즘 중 실제 매개변수 단일 목표 최적화에 대한 CEC 대회의 우수한 성과가 관련됩니다.

실제 매개변수 단일 목표 최적화의 경우 미분 진화(DE)가 다른 유형의 모집단 기반 메타휴리스틱보다 더 나은 성능을 보입니다.

영상 매체에서 단일 개체 추적은 중요하지만 어려운 작업입니다.

단일 객체 추적(SOT) 알고리즘에 대한 최근의 진전은 테스트 단계 동안 지속적으로 업데이트되는 객체 추적 데이터 세트에서 일반 판별기 모델을 학습함으로써 달성됩니다.

간단히 말해서, 우리는 균형 잡힌 전체 다중 대상 관리 전략 내에서 경량의 올인원 아키텍처로 위치와 외관 기능을 동시에 예측할 수 있는 완전한 샴 기반 단일 개체 추적기를 집중 조명합니다.

본 논문에서는 다음 프레임에서 물체의 위치를 ​​찾기 위한 일련의 동작을 추정하여 드론 이미지에서 관심 물체를 추적하는 RL(Deep Reinforcement Learning) 기반 단일 물체 추적기를 소개합니다.

제안된 접근 방식은 선박 탐지 문제를 단일 물체 탐지 작업이 아닌 세 가지 협력 작업으로 모델링합니다.

본 논문에서는 단일 객체 감지에 중점을 둔 대부분의 감지 모델보다 성능이 우수한 문제를 해결하기 위해 새로운 일반 객체 감지 모델을 제안했습니다.

지금까지 인간의 횡단적 시각의 피질 상관관계는 방향(상연골 이랑의 반복 억제, SMG) 및 공간 주파수(배내측 후두 피질의 반복 향상, 척추)와 같은 단일 개체 기능으로만 조사되었습니다.

실험 2는 단일 개체 특징의 선택이 동일한 개체 내의 다른 특징으로 퍼지는지 여부를 조사했습니다.

중요하게도, 일련의 실험 결과는 단일 객체 파악에 대해 우리 네트워크가 좋은 탐지 결과와 높은 정확도를 가지고 있음을 나타냅니다. 이는 제안된 네트워크가 방향과 범주에서 강한 일반화를 가지고 있음을 증명합니다.

다중 손가락 로봇 잡기의 최근 발전으로 빠른 6자유도(DOF) 단일 물체 잡기가 가능해졌습니다.

그러나 현재 모바일 증강 현실 응용 프로그램은 여러 자연적 특징 개체가 아닌 단일 개체만 인식하는 AR-Toolkit과 같은 오픈 소스 소프트웨어 개발 키트에 크게 의존합니다.

융합된 조건은 두 개의 대상이 아닌 단일 대상을 포함하지만 그렇지 않으면 비 융합 조건과 지각적으로 동일하기 때문에 이러한 특정 대안이 현상을 설명하지 않으며 합리적으로 배제될 수 있음을 분명히 보여줍니다.

이 논문에서는 단일 2D 이미지의 의미론적 분할만을 사용하여 모양(3D 모핑 가능한 모델을 통해 단일 객체 클래스로 제한됨)을 추정하는 방법을 보여줍니다.

우리는 YOLOv4 Detector(CSPDarknet53) 기반 모델을 제안하여 단일 객체 클래스 코코넛 나무에 대한 실시간 감지 및 객체 위치 파악을 가능하게 하는 정확한 예측과 빠른 속도를 달성합니다.