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”

Reálně kódované genetické algoritmy rozšířené o restartovací strategii pro řešení více-modálních problémů

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F08%3A01146863" target="_blank" >RIV/68407700:21110/08:01146863 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Real-Coded Genetic Algorithms Enhanced Using a Niching Strategy for Solving Multi-Modal Problems

  • Popis výsledku v původním jazyce

    During last years, a lot of optimization strategies were developed including genetic algorithms, especially because of their robustness and their very limited requirements on a solved problem. Nevertheless, an optimization of multi-modal problems remainscomputationally very expensive process. In this paper, several improvements are proposed to the SADE genetic algorithm in order to increase the speed of convergence and reduce the number of tuning parameters. A previously proposed niching strategy is combined with the new version of a genetic algorithm to improve performance on multi-modal problems using several re-starts of an optimization process and memorizing found local extremes.

  • Název v anglickém jazyce

    Real-Coded Genetic Algorithms Enhanced Using a Niching Strategy for Solving Multi-Modal Problems

  • Popis výsledku anglicky

    During last years, a lot of optimization strategies were developed including genetic algorithms, especially because of their robustness and their very limited requirements on a solved problem. Nevertheless, an optimization of multi-modal problems remainscomputationally very expensive process. In this paper, several improvements are proposed to the SADE genetic algorithm in order to increase the speed of convergence and reduce the number of tuning parameters. A previously proposed niching strategy is combined with the new version of a genetic algorithm to improve performance on multi-modal problems using several re-starts of an optimization process and memorizing found local extremes.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JM - Inženýrské stavitelství

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2008

  • 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

    Proceedings of the Sixth International Conference on Engineering Computational Technology

  • ISBN

    978-1-905088-26-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    1

  • Strana od-do

  • Název nakladatele

    Civil-Comp Press Ltd

  • Místo vydání

    Stirling

  • Místo konání akce

    Athens

  • Datum konání akce

    2. 9. 2008

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku