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”

Nový přístup k nastavování heuristických parametrů genetických algoritmů

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F06%3A00031808" target="_blank" >RIV/67985807:_____/06:00031808 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A New Approach to Tuning Heuristic Parameters of Genetic Algorithms

  • Popis výsledku v původním jazyce

    The heuristic inspiration of genetic algorithms entails their dependence on many heuristic parameters. For the algorithm to work properly, those parameters need to be empirically tuned. If the values of the objective function have to be obtained in a costly experimental way, then the algorithm can not be run with several various combinations of the values of heuristic parameters. This paper suggests to use a neural-network based approximation of the objective function for parameter tuning in such situations. Such an aproach allows to investigate the convergence speed of the algorithm and the diversity of the population for many combinations of the values of heuristic parameters. A case study in materials science demonstrates the feasibility of the proposed approach.

  • Název v anglickém jazyce

    A New Approach to Tuning Heuristic Parameters of Genetic Algorithms

  • Popis výsledku anglicky

    The heuristic inspiration of genetic algorithms entails their dependence on many heuristic parameters. For the algorithm to work properly, those parameters need to be empirically tuned. If the values of the objective function have to be obtained in a costly experimental way, then the algorithm can not be run with several various combinations of the values of heuristic parameters. This paper suggests to use a neural-network based approximation of the objective function for parameter tuning in such situations. Such an aproach allows to investigate the convergence speed of the algorithm and the diversity of the population for many combinations of the values of heuristic parameters. A case study in materials science demonstrates the feasibility of the proposed approach.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

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

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2006

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    WSEAS Transactions on Information Science and Applications

  • ISSN

    1790-0832

  • e-ISSN

  • Svazek periodika

    3

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    8

  • Strana od-do

    562-569

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus