A self-adaptive spherical search algorithm for real-world constrained optimization problems
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F20%3A10247258" target="_blank" >RIV/61989100:27240/20:10247258 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27740/20:10247258
Výsledek na webu
<a href="https://dl.acm.org/doi/pdf/10.1145/3377929.3398186" target="_blank" >https://dl.acm.org/doi/pdf/10.1145/3377929.3398186</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1145/3377929.3398186" target="_blank" >10.1145/3377929.3398186</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
A self-adaptive spherical search algorithm for real-world constrained optimization problems
Popis výsledku v původním jazyce
Determination of the global optimum of complex non-convex optimization problems of the real-world applications has remained a challenging task. Many researchers have been developing various types of effective direct search-based methods to tackle these problems. In this paper, we introduce a new variant of the recently developed Spherical Search (SS) algorithm, which contains a powerful and effective self-adaptation structure to enhance the performance. To analyze the performance, proposed algorithm is tested on the 57 test problems collected from different real-world applications. The obtained results statistically confirm the efficacy and efficiency of the proposed algorithm. (C) 2020 Owner/Author.
Název v anglickém jazyce
A self-adaptive spherical search algorithm for real-world constrained optimization problems
Popis výsledku anglicky
Determination of the global optimum of complex non-convex optimization problems of the real-world applications has remained a challenging task. Many researchers have been developing various types of effective direct search-based methods to tackle these problems. In this paper, we introduce a new variant of the recently developed Spherical Search (SS) algorithm, which contains a powerful and effective self-adaptation structure to enhance the performance. To analyze the performance, proposed algorithm is tested on the 57 test problems collected from different real-world applications. The obtained results statistically confirm the efficacy and efficiency of the proposed algorithm. (C) 2020 Owner/Author.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10200 - Computer and information sciences
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2020
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
GECCO 2020 - Proceedings of the 2020 Genetic and Evolutionary Computation Conference
ISBN
978-1-4503-7128-5
ISSN
—
e-ISSN
—
Počet stran výsledku
2
Strana od-do
13-14
Název nakladatele
Association for Computing Machinery
Místo vydání
New York
Místo konání akce
Cancún
Datum konání akce
8. 7. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—