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”

Differential evolution with preferential interaction network

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F17%3A63517319" target="_blank" >RIV/70883521:28140/17:63517319 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27240/17:10238696

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/CEC.2017.7969535" target="_blank" >http://dx.doi.org/10.1109/CEC.2017.7969535</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/CEC.2017.7969535" target="_blank" >10.1109/CEC.2017.7969535</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Differential evolution with preferential interaction network

  • Popis výsledku v původním jazyce

    Population-based metaheuristic optimization methods are built upon an algorithmic implementation of different types of complex dynamic behaviours. The problem-solving strategies they implement are often inspired by various natural and social phenomena whose fundamental principles were adopted for the use in practical search and optimization problems. New insights into complex systems, attained among others within the fields of network science and social network analysis, can be successfully incorporated into the study of evolutionary and swarm methods and used to improve their efficiency. Preferential attachment is a principle governing the growth of many real-world networks. That makes it a natural candidate for the use with network-based models of artificial evolution. Differential evolution is a widely-used evolutionary algorithm valued for its efficiency and versatility as well as simplicity and ease of implementation. In this paper, a variant of differential evolution, guided by an auxiliary model of population dynamics built with the help of the preferential attachment principle, is designed. The efficiency of the proposed approach is analyzed on the CEC 2017 real-parameter optimization benchmark.

  • Název v anglickém jazyce

    Differential evolution with preferential interaction network

  • Popis výsledku anglicky

    Population-based metaheuristic optimization methods are built upon an algorithmic implementation of different types of complex dynamic behaviours. The problem-solving strategies they implement are often inspired by various natural and social phenomena whose fundamental principles were adopted for the use in practical search and optimization problems. New insights into complex systems, attained among others within the fields of network science and social network analysis, can be successfully incorporated into the study of evolutionary and swarm methods and used to improve their efficiency. Preferential attachment is a principle governing the growth of many real-world networks. That makes it a natural candidate for the use with network-based models of artificial evolution. Differential evolution is a widely-used evolutionary algorithm valued for its efficiency and versatility as well as simplicity and ease of implementation. In this paper, a variant of differential evolution, guided by an auxiliary model of population dynamics built with the help of the preferential attachment principle, is designed. The efficiency of the proposed approach is analyzed on the CEC 2017 real-parameter optimization benchmark.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

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

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2017

  • 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

    2017 IEEE Congress on Evolutionary Computation, CEC 2017 - Proceedings

  • ISBN

    978-150904601-0

  • ISSN

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    8

  • Strana od-do

    1916-1923

  • Název nakladatele

    Institute of Electrical and Electronics Engineers Inc.

  • Místo vydání

    Piscataway, New Jersey

  • Místo konání akce

    Donostia-San Sebastian

  • Datum konání akce

    5. 6. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku