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”

Self-adaptive Variants of Differential Evolution with Exponential Crossover

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F09%3AA1000RZZ" target="_blank" >RIV/61988987:17310/09:A1000RZZ - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Self-adaptive Variants of Differential Evolution with Exponential Crossover

  • Popis výsledku v původním jazyce

    Several adaptive variants of differential evolution are described and compared in two sets of benchmark problems. The influence of exponential crossover on efficiency of the search is studied. Self-adaptive variants of differential evolution (DE) are also applied to the estimation of parametrers in non-linear regression models from NIST reference datasets and compared with self-adaptive variant of controlled random search (CRS) tailored for regression-parameter estimation. However, only several variantsof DE outperformed CRS in a few regression tasks. In spite of this fact, the use of both types of crossover together makes DE algorithm more robust. Such algorithm might be applicable to for the real-world problems, where we need to get solution withouttime-wasting parameter tuning.

  • Název v anglickém jazyce

    Self-adaptive Variants of Differential Evolution with Exponential Crossover

  • Popis výsledku anglicky

    Several adaptive variants of differential evolution are described and compared in two sets of benchmark problems. The influence of exponential crossover on efficiency of the search is studied. Self-adaptive variants of differential evolution (DE) are also applied to the estimation of parametrers in non-linear regression models from NIST reference datasets and compared with self-adaptive variant of controlled random search (CRS) tailored for regression-parameter estimation. However, only several variantsof DE outperformed CRS in a few regression tasks. In spite of this fact, the use of both types of crossover together makes DE algorithm more robust. Such algorithm might be applicable to for the real-world problems, where we need to get solution withouttime-wasting parameter tuning.

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%2F08%2F0472" target="_blank" >GA201/08/0472: Evoluční algoritmy a adaptace jejich řídicích parametrů</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

    2009

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Analele Universitatii de Vest, Timisoara.Seria Matematica-Informatica.

  • ISSN

    1224-970X

  • e-ISSN

  • Svazek periodika

    47

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    RO - Rumunsko

  • Počet stran výsledku

    18

  • Strana od-do

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus