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”

A Differential Evolution Algorithm in the Optimization Task with a Lipschitz Continuous Cost Function

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24510%2F19%3A00006394" target="_blank" >RIV/46747885:24510/19:00006394 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://aip.scitation.org/doi/abs/10.1063/1.5082064" target="_blank" >https://aip.scitation.org/doi/abs/10.1063/1.5082064</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1063/1.5082064" target="_blank" >10.1063/1.5082064</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Differential Evolution Algorithm in the Optimization Task with a Lipschitz Continuous Cost Function

  • Popis výsledku v původním jazyce

    Differential evolution algorithms represent nowadays an efficient framework to cope with complex optimization tasks with many variables and involved constraints. Nevertheless, the classic differential evolution algorithms do not ensure the global convergence to the minimum of the cost function. That is why the author designed a modification of these algorithms that guarantees asymptotic global convergence in the probabilistic sense. The contribution investigates some relevant properties of the modified differential evolution algorithms under the assumption that the cost function of the optimization task is Lipschitz continuous. In such a case it is possible to deduce some relations between the number of generations used in the algorithm and the probability to achieve the global minimum of the cost function.

  • Název v anglickém jazyce

    A Differential Evolution Algorithm in the Optimization Task with a Lipschitz Continuous Cost Function

  • Popis výsledku anglicky

    Differential evolution algorithms represent nowadays an efficient framework to cope with complex optimization tasks with many variables and involved constraints. Nevertheless, the classic differential evolution algorithms do not ensure the global convergence to the minimum of the cost function. That is why the author designed a modification of these algorithms that guarantees asymptotic global convergence in the probabilistic sense. The contribution investigates some relevant properties of the modified differential evolution algorithms under the assumption that the cost function of the optimization task is Lipschitz continuous. In such a case it is possible to deduce some relations between the number of generations used in the algorithm and the probability to achieve the global minimum of the cost function.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10102 - Applied mathematics

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2019

  • 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

    AIP Conference Proceedings

  • ISBN

    978-073541774-8

  • ISSN

    0094243X

  • e-ISSN

  • Počet stran výsledku

    7

  • Strana od-do

  • Název nakladatele

    American Institute of Physics

  • Místo vydání

  • Místo konání akce

    44th International Conference on Applications of

  • Datum konání akce

    1. 1. 2018

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku