Cooperative Model of Evolutionary Algorithms Applied to CEC 2019 Single Objective Numerical Optimization
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F19%3AA2001ZZZ" target="_blank" >RIV/61988987:17310/19:A2001ZZZ - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/CEC.2019.8790317" target="_blank" >http://dx.doi.org/10.1109/CEC.2019.8790317</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/CEC.2019.8790317" target="_blank" >10.1109/CEC.2019.8790317</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Cooperative Model of Evolutionary Algorithms Applied to CEC 2019 Single Objective Numerical Optimization
Popis výsledku v původním jazyce
A cooperative model of well-known evolutionaryalgorithms is proposed and tested on CEC 2019 benchmark suite. The four adaptive algorithms are chosen for this model, namely Covariance Matrix Adaptation Evolutionary Strategy (CMA-ES) and three variants of adaptive Differential Evolution. Although the three algorithms use constant population size, the proposed model employs an efficient linear population size reduction mechanism. The provided results show that theCooperative Model of Evolutionary Algorithms (CMEAL) is able to solve seven out of ten optimization problems.
Název v anglickém jazyce
Cooperative Model of Evolutionary Algorithms Applied to CEC 2019 Single Objective Numerical Optimization
Popis výsledku anglicky
A cooperative model of well-known evolutionaryalgorithms is proposed and tested on CEC 2019 benchmark suite. The four adaptive algorithms are chosen for this model, namely Covariance Matrix Adaptation Evolutionary Strategy (CMA-ES) and three variants of adaptive Differential Evolution. Although the three algorithms use constant population size, the proposed model employs an efficient linear population size reduction mechanism. The provided results show that theCooperative Model of Evolutionary Algorithms (CMEAL) is able to solve seven out of ten optimization problems.
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
2019 IEEE Congress on Evolutionary Computation (CEC)
ISBN
978-1-7281-2153-6
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
358-363
Název nakladatele
IEEE
Místo vydání
Piscataway, NJ, USA
Místo konání akce
New Zealand
Datum konání akce
10. 6. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000502087100049