Diversity visualization in evolutionary algorithms

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A03130351" target="_blank" >RIV/68407700:21230/07:03130351 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Diversity visualization in evolutionary algorithms

Original language description

Evolutionary Algorithms (EAs) are well-known nature-inspired optimization methods. Diversity is an essenial aspect of each EA. It describes the variability of organisms in population. The lack of diversity is common problem - diversity should be preserved in order to evade local extremes (premature convergence). Niching algorithms are modifications of classical EAs. Niching is based on dividing the population into separate subpopulations - it spreads the organisms effectively all over the search space and hence making the overall population diverse. Using niching methods also requires setting of their parameters, which can be very difficult. This paper presents a novel way of diversity visualization based on physical system simulation. This visualization is helpful when designing and tuning niching algorithms but it has also other uses. The visualization will be presented on NEAT - the evolutionary algorithm which optimizes both the topology and the parameters of neural networks.

Czech name

Vizualizace diverzity v evolučních algoritmech

Czech description

Evoluční algoritmy (EA) jsou známé přírodou inspirované optimalizační metody. U EA se často setkáváme s pojmem diverzity, která popisuje variabilitu organizmů v populaci. Nedostatečná diverzita je častým problémem a vede k předčasné konvergenci (uvíznutív lokálním extrému). Niching algoritmy jsou modifikacemi klasických EA, které pomáhají problémy s nízkou diverzitou řešit. Ke své funkci však vyžadují správné nastavení parametrů, což nebývá vždy jednoduché. Tento článek představuje nový způsob vizualizace diverzity, založený na simulaci fyzikálního systému. Tato vizualizace je vhodná k nastavení niching algoritmů, ale má i obecnější využití. Praktické je demonstrována na NEAT - evolučním algoritmu optimalizujícím jak váhy, tak strukturu umělých neuronových sítí.

Type

D - Article in proceedings

CEP classification

IN - Informatics

OECD FORD branch

—

Project

<a href="/en/project/KJB201210701" target="_blank" >KJB201210701: Automated Knowledge Extraction</a><br>

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2007

Confidentiality

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

Article name in the collection

Proceedings of 41th Spring International Conference MOSIS'07

ISBN

978-80-86840-30-7

ISSN

—

e-ISSN

—

Number of pages

8

Pages from-to

77-84

Publisher name

MARQ

Place of publication

Ostrava

Event location

Rožnov pod Radhoštěm

Event date

Apr 24, 2007

Type of event by nationality

EUR - Evropská akce

UT code for WoS article

—