Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

General Tuning of Weights in MOEA/D

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F16%3A10333212" target="_blank" >RIV/00216208:11320/16:10333212 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/document/7743894/" target="_blank" >http://ieeexplore.ieee.org/document/7743894/</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/CEC.2016.7743894" target="_blank" >10.1109/CEC.2016.7743894</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    General Tuning of Weights in MOEA/D

  • Popis výsledku v původním jazyce

    In decomposition based algorithms the quality of the resulting solutions depends on the weights used in the decomposition scheme. Usually the weights are generated in the beginning and remain fixed during the evolution, which may lead to poor distribution of solutions along the Pareto front. In this paper, we describe an extension of the popular MOEA/D algorithm which is able to tune the weights in order to find a set of solutions which maximizes a user specified objective. This adaptation is added as a new step to the algorithm which uses an approximation of the Pareto front to find suitable points in the objective space. These points are translated back into weights in such way to lead MOEA/D to find these points.

  • Název v anglickém jazyce

    General Tuning of Weights in MOEA/D

  • Popis výsledku anglicky

    In decomposition based algorithms the quality of the resulting solutions depends on the weights used in the decomposition scheme. Usually the weights are generated in the beginning and remain fixed during the evolution, which may lead to poor distribution of solutions along the Pareto front. In this paper, we describe an extension of the popular MOEA/D algorithm which is able to tune the weights in order to find a set of solutions which maximizes a user specified objective. This adaptation is added as a new step to the algorithm which uses an approximation of the Pareto front to find suitable points in the objective space. These points are translated back into weights in such way to lead MOEA/D to find these points.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA15-19877S" target="_blank" >GA15-19877S: Automatické modelování znalostí a plánů pro autonomní roboty</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2016 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION (CEC)

  • ISBN

    978-1-5090-0622-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    965-972

  • Název nakladatele

    IEEE

  • Místo vydání

    NEW YORK

  • Místo konání akce

    Vancouver

  • Datum konání akce

    24. 7. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000390749101018