Detail publikace

Elliptical and Archimedean Copulas in Estimation of Distribution Algorithm with Model Migration.

HYRŠ, M.; SCHWARZ, J. Elliptical and Archimedean Copulas in Estimation of Distribution Algorithm with Model Migration. In Proceedings of the 7th International Joint Conference on Computational Intelligence (IJCCI 2015). Lisbon: SciTePress - Science and Technology Publications, 2015. p. 212-219. ISBN: 978-989-758-157-1.
Název česky
Eliptické a Archimedovské kopule v EDA s migrací modelů
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Hyrš Martin, Ing., Ph.D.
Schwarz Josef, doc. Ing., CSc. (CK-SZZ)
Klíčová slova

Estimation of Distribution Algorithms, Copula Theory, Parallel EDA, Island-based Model, Multivariate Copula Sampling, Migration of Probabilistic Models.

Abstrakt

EDA algoritmy jsou stochastické optimalizační techniky založené na vytváření a vzorkování pravděpodobnostního modelu. Teorie kopulí poskytuje metody, které zjednodušují vytváření pravděpodobnostního modelu. Ostrovní varianta kopulové EDA s migrací pravděpodobnostních modelů (mCEDA) byla testována na spojitých optimalizačních úlohách. Zkoumali jsme dvě rodiny kopulí -- Archimedovské a eliptické. Experimentální výsledky potvrzují, že koncept migrace modelů (mCEDA) vede k lepší konvergenci ve srovnání se sekvenční variantou (sCEDA) a jinými kopulovými EDA.

Rok
2015
Strany
212–219
Sborník
Proceedings of the 7th International Joint Conference on Computational Intelligence (IJCCI 2015)
ISBN
978-989-758-157-1
Vydavatel
SciTePress - Science and Technology Publications
Místo
Lisbon
EID Scopus
BibTeX
@inproceedings{BUT119927,
  author="Martin {Hyrš} and Josef {Schwarz}",
  title="Elliptical and Archimedean Copulas in Estimation of Distribution Algorithm with Model Migration.",
  booktitle="Proceedings of the 7th International Joint Conference on Computational Intelligence (IJCCI 2015)",
  year="2015",
  pages="212--219",
  publisher="SciTePress - Science and Technology Publications",
  address="Lisbon",
  isbn="978-989-758-157-1",
  url="https://www.fit.vut.cz/research/publication/11013/"
}
Nahoru