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
—