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”

Multiple Choice Strategy for PSO Algorithm Enhanced with Dimensional Mutation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86096863" target="_blank" >RIV/61989100:27240/15:86096863 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/70883521:28140/15:43873608

  • Výsledek na webu

    <a href="http://link.springer.com/chapter/10.1007/978-3-319-19324-3_34" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-319-19324-3_34</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-19324-3_34" target="_blank" >10.1007/978-3-319-19324-3_34</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Multiple Choice Strategy for PSO Algorithm Enhanced with Dimensional Mutation

  • Popis výsledku v původním jazyce

    In this study the promising Multiple-choice strategy for PSO (MC-PSO) is enhanced with the blind search based single dimensional mutation. The MC-PSO utilizes principles of heterogeneous swarms with random behavior selection. The performance previously tested on both large-scale and fast optimization is significantly improved by this approach. The newly proposed algorithm is more robust and resilient to premature convergence than both original PSO and MC-PSO. The performance is tested on four typical benchmark functions with variety of dimension settings.

  • Název v anglickém jazyce

    Multiple Choice Strategy for PSO Algorithm Enhanced with Dimensional Mutation

  • Popis výsledku anglicky

    In this study the promising Multiple-choice strategy for PSO (MC-PSO) is enhanced with the blind search based single dimensional mutation. The MC-PSO utilizes principles of heterogeneous swarms with random behavior selection. The performance previously tested on both large-scale and fast optimization is significantly improved by this approach. The newly proposed algorithm is more robust and resilient to premature convergence than both original PSO and MC-PSO. The performance is tested on four typical benchmark functions with variety of dimension settings.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • 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

    Lecture Notes in Computer Science. Volume 9119

  • ISBN

    978-3-319-19323-6

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    9

  • Strana od-do

    370-378

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    London

  • Místo konání akce

    Zakopane

  • Datum konání akce

    14. 6. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000364537800034