Self-organizing migrating algorithm with clustering-aided migration
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F20%3A63526752" target="_blank" >RIV/70883521:28140/20:63526752 - isvavai.cz</a>
Výsledek na webu
<a href="https://dl.acm.org/doi/10.1145/3377929.3398129" target="_blank" >https://dl.acm.org/doi/10.1145/3377929.3398129</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1145/3377929.3398129" target="_blank" >10.1145/3377929.3398129</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Self-organizing migrating algorithm with clustering-aided migration
Popis výsledku v původním jazyce
This paper proposes a novel migration strategy for Self-organizing Migrating Algorithm (SOMA), which combines advantages of the explorative All-To-Random migration with new exploitation focused All-To-Cluster-Leaders strategy. The main goal of this novel innovation to SOMA is to deliver competitive results, not only on the latest CEC 2020 benchmark set on a single objective bound-constrained numerical optimization. The proposed algorithm variant was titled SOMA-CL, and it has manifested notable potential in such demanding challenges. The results of the proposed algorithm were compared and tested for statistical significance against two other SOMA variants. © 2020 ACM.
Název v anglickém jazyce
Self-organizing migrating algorithm with clustering-aided migration
Popis výsledku anglicky
This paper proposes a novel migration strategy for Self-organizing Migrating Algorithm (SOMA), which combines advantages of the explorative All-To-Random migration with new exploitation focused All-To-Cluster-Leaders strategy. The main goal of this novel innovation to SOMA is to deliver competitive results, not only on the latest CEC 2020 benchmark set on a single objective bound-constrained numerical optimization. The proposed algorithm variant was titled SOMA-CL, and it has manifested notable potential in such demanding challenges. The results of the proposed algorithm were compared and tested for statistical significance against two other SOMA variants. © 2020 ACM.
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
—
Návaznosti
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 statě ve sborníku
GECCO 2020 Companion - Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion
ISBN
978-145037127-8
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
1441-1447
Název nakladatele
Association for Computing Machinery
Místo vydání
New York
Místo konání akce
Cancun
Datum konání akce
8. 7. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—