Počet záznamů: 1
Surrogate Model for Mixed-Variables Evolutionary Optimization Based on GLM and RBF Networks
- 1.
SYSNO ASEP 0389195 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Surrogate Model for Mixed-Variables Evolutionary Optimization Based on GLM and RBF Networks Tvůrce(i) Bajer, Lukáš (UIVT-O) SAI, RID, ORCID
Holeňa, Martin (UIVT-O) SAI, RIDZdroj.dok. SOFSEM 2013. Theory and Practice of Computer Science. - Berlin : Springer, 2013 / van Emde Boas P. ; Groen F.C.A. ; Italiano G.F. ; Nawrocki J. ; Sack H. - ISSN 0302-9743 - ISBN 978-3-642-35842-5 Rozsah stran s. 481-490 Poč.str. 10 s. Forma vydání Tištěná - P Akce SOFSEM 2013. Conference on Current Trends in Theory and Practice of Computer Science /39./ Datum konání 26.01.2013-31.01.2013 Místo konání Špindlerův Mlýn Země CZ - Česká republika Typ akce WRD Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova surrogate modelling ; RBF networks ; genetic algorithms ; mixed-variables optimization ; continuous and discrete variables Vědní obor RIV IN - Informatika CEP GAP202/11/1368 GA ČR - Grantová agentura ČR GA201/08/0802 GA ČR - Grantová agentura ČR Institucionální podpora UIVT-O - RVO:67985807 UT WOS 000389226900041 EID SCOPUS 84872558861 DOI 10.1007/978-3-642-35843-2_41 Anotace Approximation of costly objective functions by surrogate models is an increasingly popular method in many engineering optimization tasks. Surrogate models can substantially decrease the number of expensive experiments or simulations needed to achieve an optimal or near-optimal solution. In this paper, a novel surrogate model is presented. Compared to the most of the surrogate models reported in the literature, it has an advantage of explicitly dealing with mixed continuous and discrete variables. The model use radial basis function networks for continuous and clustering and a generalized linear model for the discrete covariates. The applicability of the model is shown on a benchmark problem, and the model’s regression performance is further measured on a dataset from a real-world application. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2013
Počet záznamů: 1