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
—