Elliptical and Archimedean Copulas 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%2F15%3APU117070" target="_blank" >RIV/00216305:26230/15:PU117070 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.fit.vut.cz/research/publication/11013/" target="_blank" >https://www.fit.vut.cz/research/publication/11013/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Elliptical and Archimedean Copulas in Estimation of Distribution Algorithm with Model Migration.

Popis výsledku v původním jazyce

Estimation of distribution algorithms (EDAs) are stochastic optimization techniques that are based on building and sampling a probability model. Copula theory provides methods that simplify the estimation of a probability model. An island-based version of copula-based EDA with probabilistic model migration (mCEDA) was tested on a set of well-known standard optimization benchmarks in the continuous domain. We investigated two families of copulas - Archimedean and elliptical. Experimental results confirm that this concept of model migration (mCEDA) yields better convergence as compared with the sequential version (sCEDA) and other recently published copula-based EDAs.

Název v anglickém jazyce

Elliptical and Archimedean Copulas in Estimation of Distribution Algorithm with Model Migration.

Popis výsledku anglicky

Estimation of distribution algorithms (EDAs) are stochastic optimization techniques that are based on building and sampling a probability model. Copula theory provides methods that simplify the estimation of a probability model. An island-based version of copula-based EDA with probabilistic model migration (mCEDA) was tested on a set of well-known standard optimization benchmarks in the continuous domain. We investigated two families of copulas - Archimedean and elliptical. Experimental results confirm that this concept of model migration (mCEDA) yields better convergence as compared with the sequential version (sCEDA) and other recently published copula-based EDAs.

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

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 7th International Joint Conference on Computational Intelligence (IJCCI 2015)

ISBN

978-989-758-157-1

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

212-219

Název nakladatele

SciTePress - Science and Technology Publications

Místo vydání

Lisbon

Místo konání akce

Lisbon

Datum konání akce

12. 11. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—