Network visualization of population dynamics in the differential evolution
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F16%3A86100039" target="_blank" >RIV/61989100:27740/16:86100039 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27240/16:86100039
Výsledek na webu
<a href="http://ieeexplore.ieee.org/document/7376791/" target="_blank" >http://ieeexplore.ieee.org/document/7376791/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/SSCI.2015.215" target="_blank" >10.1109/SSCI.2015.215</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Network visualization of population dynamics in the differential evolution
Popis výsledku v původním jazyce
The dynamics of populational metaheuristic algorithms, such as the differential evolution, can be represented by evolving complex networks. The differential evolution is a widely-used real parameter optimization method with excellent results and many real-world applications. The search for hidden relationships, behaviors, and patterns in complex networks representing populational metaheuristics can provide an interesting information about the underlying optimization processes. Various methods for visual network investigation and mining became very popular in the last decade and represent a natural set of tools for such analyses. Here, we introduce a new approach for the visual analysis of such network with a special emphasis on network readability. The proposed method is universal and can be applied to any type of complex network modelling any algorithm applied to any problem. (C) 2015 IEEE.
Název v anglickém jazyce
Network visualization of population dynamics in the differential evolution
Popis výsledku anglicky
The dynamics of populational metaheuristic algorithms, such as the differential evolution, can be represented by evolving complex networks. The differential evolution is a widely-used real parameter optimization method with excellent results and many real-world applications. The search for hidden relationships, behaviors, and patterns in complex networks representing populational metaheuristics can provide an interesting information about the underlying optimization processes. Various methods for visual network investigation and mining became very popular in the last decade and represent a natural set of tools for such analyses. Here, we introduce a new approach for the visual analysis of such network with a special emphasis on network readability. The proposed method is universal and can be applied to any type of complex network modelling any algorithm applied to any problem. (C) 2015 IEEE.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA15-06700S" target="_blank" >GA15-06700S: Nekonvenční řízení komplexních systémů</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
C - Předmět řešení projektu podléhá obchodnímu tajemství (§ 504 Občanského zákoníku), ale název projektu, cíle projektu a u ukončeného nebo zastaveného projektu zhodnocení výsledku řešení projektu (údaje P03, P04, P15, P19, P29, PN8) dodané do CEP, jsou upraveny tak, aby byly zveřejnitelné.
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings - 2015 IEEE Symposium Series on Computational Intelligence, SSCI 2015
ISBN
978-1-4799-7560-0
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
1522-1528
Název nakladatele
IEEE
Místo vydání
Vienna
Místo konání akce
Kapské Město
Datum konání akce
7. 12. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—