Analysing knowledge transfer in SHADE via complex network
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F20%3A63523498" target="_blank" >RIV/70883521:28140/20:63523498 - isvavai.cz</a>
Výsledek na webu
<a href="https://academic.oup.com/jigpal/article/28/2/153/5107008?login=true" target="_blank" >https://academic.oup.com/jigpal/article/28/2/153/5107008?login=true</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1093/jigpal/jzy042" target="_blank" >10.1093/jigpal/jzy042</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Analysing knowledge transfer in SHADE via complex network
Popis výsledku v původním jazyce
In this research paper a hybridization of two computational intelligence fields, which are evolutionary computation techniques and complex networks (CNs), is presented. During the optimization run of the success-history based adaptive differential evolution (SHADE) a CN is built and its feature, node degree centrality, is extracted for each node. Nodes represent here the individual solutions from the SHADE population. Edges in the network mirror the knowledge transfer between individuals in SHADE’s population, and therefore, the node degree centrality can be used to measure knowledge transfer capabilities of each individual. The correlation between individual’s quality and its knowledge transfer capability is recorded and analyzed on the CEC2015 benchmark set in three different dimensionality settings—10D, 30D and 50D. Results of the analysis are discussed, and possible directions for future research are suggested.
Název v anglickém jazyce
Analysing knowledge transfer in SHADE via complex network
Popis výsledku anglicky
In this research paper a hybridization of two computational intelligence fields, which are evolutionary computation techniques and complex networks (CNs), is presented. During the optimization run of the success-history based adaptive differential evolution (SHADE) a CN is built and its feature, node degree centrality, is extracted for each node. Nodes represent here the individual solutions from the SHADE population. Edges in the network mirror the knowledge transfer between individuals in SHADE’s population, and therefore, the node degree centrality can be used to measure knowledge transfer capabilities of each individual. The correlation between individual’s quality and its knowledge transfer capability is recorded and analyzed on the CEC2015 benchmark set in three different dimensionality settings—10D, 30D and 50D. Results of the analysis are discussed, and possible directions for future research are suggested.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
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)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
LOGIC JOURNAL OF THE IGPL
ISSN
1367-0751
e-ISSN
—
Svazek periodika
28
Číslo periodika v rámci svazku
2
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
18
Strana od-do
153-170
Kód UT WoS článku
000559006600002
EID výsledku v databázi Scopus
—