Biblioteca122.739 documentos en línea

Artículo

A Comparative Study of EAG and PBIL on Large-Scale Global Optimization ProblemsUn estudio comparativo de EAG y PBIL en problemas de optimización global a gran escala.

Resumen

Los Algoritmos de Estimación de Distribución (EDAs) utilizan eficazmente la información estadística global para muestrear descendencia, sin tener en cuenta la información de ubicación de las soluciones óptimas localmente encontradas hasta el momento. El Algoritmo Evolutivo con Mutación Guiada (EAG) combina información estadística global e información de ubicación para muestrear descendencia, con el objetivo de que esta hibridación mejore el proceso de búsqueda y optimización. Este artículo discute un estudio comparativo de Aprendizaje Incremental Basado en Población (PBIL), un representante de los EDAs, y EAG en problemas de optimización global a gran escala. Implementamos PBIL y EAG para construir una configuración experimental sobre la cual se ejecutaron simulaciones. Se analizó el rendimiento de estos algoritmos en términos de calidad de la solución y costo computacional. Descubrimos que EAG tuvo un mejor desempeño que PBIL en la obtención de una solución de buena calidad, pero este último tuvo un mejor desempeño en términos de costo

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento