Surrogate Model for Continuous and Discrete Genetic Optimization Based on RBF Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F10%3A00347773" target="_blank" >RIV/67985807:_____/10:00347773 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Surrogate Model for Continuous and Discrete Genetic Optimization Based on RBF Networks

Popis výsledku v původním jazyce

Surrogate modelling has become a successful method improving the optimization of costly objective functions. It brings less accurate, but much faster means of evaluating candidate solutions. This paper describes a model based on radial basis function networks which takes into account both continuous and discrete variables. It shows the applicability of our surrogate model to the optimization of empirical objective functions for which mixing of discrete and continuous dimensions is typical. Results of testing with a genetic algorithm confirm considerably faster convergence in terms of the number of the original empirical fitness evaluations.

Název v anglickém jazyce

Surrogate Model for Continuous and Discrete Genetic Optimization Based on RBF Networks

Popis výsledku anglicky

Surrogate modelling has become a successful method improving the optimization of costly objective functions. It brings less accurate, but much faster means of evaluating candidate solutions. This paper describes a model based on radial basis function networks which takes into account both continuous and discrete variables. It shows the applicability of our surrogate model to the optimization of empirical objective functions for which mixing of discrete and continuous dimensions is typical. Results of testing with a genetic algorithm confirm considerably faster convergence in terms of the number of the original empirical fitness evaluations.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GD201%2F09%2FH057" target="_blank" >GD201/09/H057: Res Informatica</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2010

Kód důvěrnosti údajů

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

Název statě ve sborníku

Intelligent Data Engineering and Automated Learning - IDEAL 2010

ISBN

978-3-642-15380-8

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

—

Název nakladatele

Springer-Verlag

Místo vydání

Berlin

Místo konání akce

Paisley

Datum konání akce

1. 9. 2010

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000284820400031