Machine learning methods for solution construction in evolutionary algorithms

Provider

Czech Science Foundation

Programme

Post-graduate (doctorate) grants

Call for proposals

Postdoktorandské granty 8 (SGA02008GA1PD)

Main participants

—

Contest type

VS - Public tender

Contract ID

102/08/P094

Project name in Czech

Metody strojového učení pro konstrukci řešení v evolučních algoritmech

Annotation in Czech

V klasických evolučních algoritmech (EA) založených na křížení a mutaci je okolí, z něhož se generují nová řešení, statické a je dáno implicitně, a to právě použitými operátory. V rámci EA se již dlouho objevují snahy používat okolí, které by se bylo schopné adaptovat na jednotlivé oblasti prohledávaného prostoru a umělo by modelovat i interakce mezi jednotlivými rysy kvalitních řešení. Tyto snahy vyústily ve vznik tzv. estimation of distribution algorithms (EDA), které pro definici okolí používají explicitně vytvořené pravděpodobnostní modely, z nichž se následně vzorkují noví kandidáti na řešení optimalizační úlohy. Jiný způsob vytváření pravděpodobnostních modelů obsahují algoritmy typu learnable evolution model (LEM), které nejprve vytvářejí klasifikátor rozlišující kvalitní a méně kvalitní jedince a následně popis těch kvalitních převedou do formy pravděpodobnostního modelu. Tento projekt se zaměří na prohloubení poznatků o těchto dvou typech algoritmů, a to současně s přihlédnutím k

R&D category

ZV - Basic research

CEP classification - main branch

JC - Computer hardware and software

CEP - secondary branch

JD - Use of computers, robotics and its application

CEP - another secondary branch

—

OECD FORD - equivalent branches <br>(according to the <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">converter</a>)

20204 - Robotics and automatic control<br>20205 - Automation and control systems<br>20206 - Computer hardware and architecture

Provider evaluation

U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)

Project results evaluation

&nbsp;&nbsp;&nbsp;&nbsp; The project was aimed at using machine learning methods for solution construction in evolutionary algorithms (EAs) with real-valued representation. It studied the use of probabilistic models in the role of reproduction operatorsin the framework of estimation-of-distribution algorithms (EDAs) and the the use of classification models in the framework of the so-called learn

Realization period - beginning

Jan 1, 2008

Realization period - end

Dec 31, 2010

Project status

U - Finished project

Latest support payment

Apr 16, 2010

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data delivery code

CEP11-GA0-GP-U/04:3

Data delivery date

Mar 20, 2015

Total approved costs

638 thou. CZK

Public financial support

638 thou. CZK

Other public sources

0 thou. CZK

Non public and foreign sources

0 thou. CZK