About: Machine learning methods for solution construction in evolutionary algorithms     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Projekt, within Data Space : linked.opendata.cz associated with source document(s)

AttributesValues
rdf:type
rdfs:seeAlso
Description
  • The neighborhood used in conventional evolutionary algorithms (EA) to create new candidate problem solutions is static and is given implicitly by the crossover and mutation operators used in the algorithm. In the field of EA, many researchers have tried to use neighborhoods able to adapt to certain areas of the search space and to cover some interactions among the features of the promising solutions. The result is the establishment of the so-called estimation of distribution algorithms (EDA) which use probabilistic models to describe the neighborhood. The model is explicitly built on the basis of promising individuals and is used to sample new candidate solutions. Somewhat different approach for the creation of probabilistic model is presented in the so-called learnable evolution model (LEM): first, a classifier distinguishing between promising and less promising solutions is created and then the description of promising solutions is turned into a probabilistic model. This project shall deepen our (en)
  • V klasických evolučních algoritmech (EA) založených na křížení a mutaci je okolí, z něhož se generují nová řešení, statické a je dáno implicitně, a to právě použitými operátory. V rámci EA se již dlouho objevují snahy používat okolí, které by se bylo schopné adaptovat na jednotlivé oblasti prohledávaného prostoru a umělo by modelovat i interakce mezi jednotlivými rysy kvalitních řešení. Tyto snahy vyústily ve vznik tzv. estimation of distribution algorithms (EDA), které pro definici okolí používají explicitně vytvořené pravděpodobnostní modely, z nichž se následně vzorkují noví kandidáti na řešení optimalizační úlohy. Jiný způsob vytváření pravděpodobnostních modelů obsahují algoritmy typu learnable evolution model (LEM), které nejprve vytvářejí klasifikátor rozlišující kvalitní a méně kvalitní jedince a následně popis těch kvalitních převedou do formy pravděpodobnostního modelu. Tento projekt se zaměří na prohloubení poznatků o těchto dvou typech algoritmů, a to současně s přihlédnutím k
Title
  • Machine learning methods for solution construction in evolutionary algorithms (en)
  • Metody strojového učení pro konstrukci řešení v evolučních algoritmech
skos:notation
  • GP102/08/P094
http://linked.open...avai/cep/aktivita
http://linked.open...kovaStatniPodpora
http://linked.open...ep/celkoveNaklady
http://linked.open...datumDodatniDoRIV
http://linked.open...i/cep/druhSouteze
http://linked.open...ep/duvernostUdaju
http://linked.open.../cep/fazeProjektu
http://linked.open...ai/cep/hlavniObor
http://linked.open...hodnoceniProjektu
http://linked.open...vai/cep/kategorie
http://linked.open.../cep/klicovaSlova
  • optimization; evolutionary algorithms; machine learning; population diversity (en)
http://linked.open...ep/partnetrHlavni
http://linked.open...inujicichPrijemcu
http://linked.open...cep/pocetPrijemcu
http://linked.open...ocetSpoluPrijemcu
http://linked.open.../pocetVysledkuRIV
http://linked.open...enychVysledkuVRIV
http://linked.open...lneniVMinulemRoce
http://linked.open.../prideleniPodpory
http://linked.open...iciPoslednihoRoku
http://linked.open...atUdajeProjZameru
http://linked.open.../vavai/cep/soutez
http://linked.open...usZobrazovaneFaze
http://linked.open...ai/cep/typPojektu
http://linked.open...ep/ukonceniReseni
http://linked.open.../cep/vedlejsiObor
http://linked.open...ep/zahajeniReseni
http://linked.open...jektu+dodavatelem
  •      Projekt byl zaměřen na využití metod strojového učení ke konstrukci řešení v evolučních algoritmech s reálnou reprezentací. Studoval především využití pravděpodobnostních modelů v roli reprodukčních operátorů v rámci tzv. estimation-of-distribution algorithms (EDA) a využití klasifikačních modelů v rámci tzv. learnable evolution model (LEM). Všechny práce na projektu byly (cs)
  •      The project was aimed at using machine learning methods for solution construction in evolutionary algorithms (EAs) with real-valued representation. It studied the use of probabilistic models in the role of reproduction operators in the framework of estimation-of-distribution algorithms (EDAs) and the the use of classification models in the framework of the so-called learn (en)
http://linked.open...tniCyklusProjektu
http://linked.open.../cep/klicoveSlovo
  • optimization
  • evolutionary algorithms
  • machine learning
is http://linked.open...vavai/cep/projekt of
Faceted Search & Find service v1.16.118 as of Jun 21 2024


Alternative Linked Data Documents: ODE     Content Formats:   [cxml] [csv]     RDF   [text] [turtle] [ld+json] [rdf+json] [rdf+xml]     ODATA   [atom+xml] [odata+json]     Microdata   [microdata+json] [html]    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 48 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software