Improving the Convergence of Differential Evolution

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F17%3AA1801NIT" target="_blank" >RIV/61988987:17310/17:A1801NIT - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-57099-0_26" target="_blank" >http://dx.doi.org/10.1007/978-3-319-57099-0_26</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-57099-0_26" target="_blank" >10.1007/978-3-319-57099-0_26</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Improving the Convergence of Differential Evolution
Popis výsledku v původním jazyce
A new variant of differential evolution (DE) algorithm with a selection of mutation strategy based on the mutant point distance (DEMD) is proposed. Three DEMD variants are compared with stateof-the-art DE variants on CEC 2015 problems at four dimension levels. The results show that one of proposed DEMD variants performs best in 35 % of the problems compared to the other examined DE algorithms.
Název v anglickém jazyce
Improving the Convergence of Differential Evolution
Popis výsledku anglicky
A new variant of differential evolution (DE) algorithm with a selection of mutation strategy based on the mutant point distance (DEMD) is proposed. Three DEMD variants are compared with stateof-the-art DE variants on CEC 2015 problems at four dimension levels. The results show that one of proposed DEMD variants performs best in 35 % of the problems compared to the other examined DE algorithms.

Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)