Multivariate Gaussian Copula in Estimation of Distribution Algorithm with Model Migration

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F14%3APU112086" target="_blank" >RIV/00216305:26230/14:PU112086 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/FOCI.2014.7007815" target="_blank" >http://dx.doi.org/10.1109/FOCI.2014.7007815</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/FOCI.2014.7007815" target="_blank" >10.1109/FOCI.2014.7007815</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Multivariate Gaussian Copula in Estimation of Distribution Algorithm with Model Migration

Popis výsledku v původním jazyce

The paper presents a new concept of an island-based model of Estimation of Distribution Algorithms (EDAs) with a bidirectional topology in the field of numerical optimization in continuous domain. The traditional migration of individuals is replaced by the probability model migration. Instead of a classical joint probability distribution model, the multivariate Gaussian copula is used which must be specified by correlation coefficients and parameters of a univariate marginal distributions. The idea of the proposed Gaussian Copula EDA algorithm with model migration (GC-mEDA) is to modify the parameters of a resident model respective to each island by the immigrant model of the neighbour island. The performance of the proposed algorithm is tested over a group of five well-known benchmarks.

Název v anglickém jazyce

Multivariate Gaussian Copula in Estimation of Distribution Algorithm with Model Migration

Popis výsledku anglicky

The paper presents a new concept of an island-based model of Estimation of Distribution Algorithms (EDAs) with a bidirectional topology in the field of numerical optimization in continuous domain. The traditional migration of individuals is replaced by the probability model migration. Instead of a classical joint probability distribution model, the multivariate Gaussian copula is used which must be specified by correlation coefficients and parameters of a univariate marginal distributions. The idea of the proposed Gaussian Copula EDA algorithm with model migration (GC-mEDA) is to modify the parameters of a resident model respective to each island by the immigrant model of the neighbour island. The performance of the proposed algorithm is tested over a group of five well-known benchmarks.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

2014 IEEE Symposium on Foundations of Computational Intelligence (FOCI) Proceedings

ISBN

978-1-4799-4492-7

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

114-119

Název nakladatele

Institute of Electrical and Electronics Engineers

Místo vydání

Piscataway

Místo konání akce

Orlando

Datum konání akce

9. 12. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000380480600016