Self adaptive cluster based and weed inspired differential evolution algorithm for real world optimization

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F11%3A86097049" target="_blank" >RIV/61989100:27240/11:86097049 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CEC.2011.5949694" target="_blank" >http://dx.doi.org/10.1109/CEC.2011.5949694</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CEC.2011.5949694" target="_blank" >10.1109/CEC.2011.5949694</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Self adaptive cluster based and weed inspired differential evolution algorithm for real world optimization

Popis výsledku v původním jazyce

In this paper we propose a Self Adaptive Cluster based and Weed Inspired Differential Evolution algorithm (SACWIDE), the total population is divided into several clusters based on the positions of the individuals and the cluster number is dynamically changed by the suitable learning strategy during evolution. Here we incorporate a modified version of the Invasive Weed Optimization (IWO) algorithm as a local search technique. The algorithm strategically determines whether a particular cluster will perform Differential Evolution (DE) or the IWO algorithm (modified). The number of clusters in a particular iteration is set by the algorithm itself self-adaptively. The performance of SACWIDE is reported on the set of 22 benchmark problems of CEC-2011. (C) 2011 IEEE

Název v anglickém jazyce

Self adaptive cluster based and weed inspired differential evolution algorithm for real world optimization

Popis výsledku anglicky

In this paper we propose a Self Adaptive Cluster based and Weed Inspired Differential Evolution algorithm (SACWIDE), the total population is divided into several clusters based on the positions of the individuals and the cluster number is dynamically changed by the suitable learning strategy during evolution. Here we incorporate a modified version of the Invasive Weed Optimization (IWO) algorithm as a local search technique. The algorithm strategically determines whether a particular cluster will perform Differential Evolution (DE) or the IWO algorithm (modified). The number of clusters in a particular iteration is set by the algorithm itself self-adaptively. The performance of SACWIDE is reported on the set of 22 benchmark problems of CEC-2011. (C) 2011 IEEE

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F09%2F1494" target="_blank" >GA102/09/1494: Nové metody přenosu dat založené na turbo kódech</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2011

Kód důvěrnosti údajů

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

Název statě ve sborníku

2011 IEEE Congress of Evolutionary Computation, CEC 2011

ISBN

978-1-4244-7834-7

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

750-756

Název nakladatele

IEEE

Místo vydání

Vienna

Místo konání akce

New Orleans

Datum konání akce

5. 6. 2011

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—