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”

Evoluční algoritmy a adaptace jejich řídicích parametrů

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F07%3AA0800KON" target="_blank" >RIV/61988987:17310/07:A0800KON - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Evoluční algoritmy a adaptace jejich řídicích parametrů

  • Popis výsledku v původním jazyce

    Článek se zabývá adaptací řídicích parametrů v algoritmech diferenciální evoluce (DE) a řízeného náhodného prohledávání (CRS). V DE je self-adaptace řídicích parametrů založena na soutěžení několika různých nastavení řídicích parametrů. V CRS na podobnémprincipu soutěží několik lokálních heuristik generující nový bod pro případné zařazení do populace. Tyto algoritmy byly experimentálně porovnány s jinými evolučními algoritmy, DE na sadě testovacích funkcí a adaptivní algoritmus CRS v úlohách odhadu regresních parametrů na sadě 27 úloh nelineární regrese sestavené v Americkém ústavu pro standardizaci. Adaptivní algoritmy se soutěží předčily ostatní testované algoritmy jak v dosažené spolehlivosti, tak v rychlosti konvergence.

  • Název v anglickém jazyce

    Evolutionary algorithms and adaptation of their control parameters

  • Popis výsledku anglicky

    This paper is focused on the adaptation of control parameters in differential evolution (DE) and in controlled random search (CRS). The competition of different control parameter settings is used in order to ensure the self-adaptation of parameter valueswithin the search process. In the generalized CRS the self-adaptation is ensured by several competing local-search heuristics for the generation of a new trial point. DE was experimentally compared with other adaptive algorithms on a benchmark, self-adaptive CRS was compared in estimation of regression parameters on NIST nonlinear regression datasets. The competitive algorithms outperformed other algorithms both in the reliability and in the convergence rate.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA201%2F05%2F0284" target="_blank" >GA201/05/0284: Evoluční algoritmy se soutěžícími a spolupracujícími heuristikami</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2007

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Automatizace

  • ISSN

    0005-125X

  • e-ISSN

  • Svazek periodika

    50

  • Číslo periodika v rámci svazku

    7-8

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    5

  • Strana od-do

    453-457

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus