Gaussovský EDA a selekce odříznutím: hranice pro udržitelný vývoj

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03141310" target="_blank" >RIV/68407700:21230/08:03141310 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Gaussian EDA and Truncation Selection: Setting Limits for Sustainable Progress

Popis výsledku v původním jazyce

In real valued estimation of distribution algorithms, the Gaussian distribution is often used along with maximum likelihood (ML) estimation of its parameters. Such a process is highly prone to premature convergence. The simplest method for preventing premature convergence of gaussian distribution is to enlarge the maximum likelihood estimate of standard deviation $sigma$ by a constant factor $k$ each generation. This paper surveys and broadens the theoretical models of the behaviour of this simple EDAon 1D problems and derives the limits for the constant $k$. The behaviour of this simple EDA with various values of $k$ is analysed and the agreement of the model with the reality is confirmed.

Název v anglickém jazyce

Gaussian EDA and Truncation Selection: Setting Limits for Sustainable Progress

Popis výsledku anglicky

In real valued estimation of distribution algorithms, the Gaussian distribution is often used along with maximum likelihood (ML) estimation of its parameters. Such a process is highly prone to premature convergence. The simplest method for preventing premature convergence of gaussian distribution is to enlarge the maximum likelihood estimate of standard deviation $sigma$ by a constant factor $k$ each generation. This paper surveys and broadens the theoretical models of the behaviour of this simple EDAon 1D problems and derives the limits for the constant $k$. The behaviour of this simple EDA with various values of $k$ is analysed and the agreement of the model with the reality is confirmed.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/GP102%2F08%2FP094" target="_blank" >GP102/08/P094: Metody strojového učení pro konstrukci řešení v evolučních algoritmech</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2008

Kód důvěrnosti údajů

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

Název statě ve sborníku

Distributed Human-Machine Systems

ISBN

978-80-01-04027-0

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

CTU Publishing House

Místo vydání

Praha

Místo konání akce

Athens

Datum konání akce

9. 3. 2008

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—