Surrogate Model for Mixed-Variables Evolutionary Optimization Based on GLM and RBF Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F13%3A00389195" target="_blank" >RIV/67985807:_____/13:00389195 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11320/13:10132992

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Surrogate Model for Mixed-Variables Evolutionary Optimization Based on GLM and RBF Networks

Popis výsledku v původním jazyce

Approximation of costly objective functions by surrogate models is an increasingly popular method in many engineering optimization tasks. Surrogate models can substantially decrease the number of expensive experiments or simulations needed to achieve anoptimal or near-optimal solution. In this paper, a novel surrogate model is presented. Compared to the most of the surrogate models reported in the literature, it has an advantage of explicitly dealing with mixed continuous and discrete variables. The model use radial basis function networks for continuous and clustering and a generalized linear model for the discrete covariates. The applicability of the model is shown on a benchmark problem, and the model?s regression performance is further measured ona dataset from a real-world application.

Název v anglickém jazyce

Surrogate Model for Mixed-Variables Evolutionary Optimization Based on GLM and RBF Networks

Popis výsledku anglicky

Approximation of costly objective functions by surrogate models is an increasingly popular method in many engineering optimization tasks. Surrogate models can substantially decrease the number of expensive experiments or simulations needed to achieve anoptimal or near-optimal solution. In this paper, a novel surrogate model is presented. Compared to the most of the surrogate models reported in the literature, it has an advantage of explicitly dealing with mixed continuous and discrete variables. The model use radial basis function networks for continuous and clustering and a generalized linear model for the discrete covariates. The applicability of the model is shown on a benchmark problem, and the model?s regression performance is further measured ona dataset from a real-world application.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

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

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

SOFSEM 2013. Theory and Practice of Computer Science

ISBN

978-3-642-35842-5

ISSN

—

e-ISSN

—

Počet stran výsledku

10

Strana od-do

481-490

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Špindlerův Mlýn

Datum konání akce

26. 1. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—