Počet záznamů: 1
Hypervolume-Based Local Search in Multi-Objective Evolutionary Optimization
- 1.
SYSNO ASEP 0430976 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Hypervolume-Based Local Search in Multi-Objective Evolutionary Optimization Tvůrce(i) Pilát, M. (CZ)
Neruda, Roman (UIVT-O) SAI, RID, ORCIDZdroj.dok. GECCO '14. Proceedings of the 2014 Conference on Genetic and Evolutionary Computation. - New York : ACM, 2014 / Igel C. ; Arnold D.V. - ISBN 978-1-4503-2662-9 Rozsah stran s. 637-644 Poč.str. 8 s. Forma vydání Online - E Akce GECCO 2014. Genetic and Evolutionary Computation Conference Datum konání 12.07.2014-16.07.2014 Místo konání Vancouver Země CA - Kanada Typ akce WRD Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova multi-objective optimization ; surrogate modeling ; NSGA-II ; hyper-volume Vědní obor RIV IN - Informatika CEP LD13002 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy Institucionální podpora UIVT-O - RVO:67985807 UT WOS 000364333000081 EID SCOPUS 84905674551 DOI 10.1145/2576768.2598332 Anotace This paper describes a surrogate based multi-objective evolutionary algorithm with hyper-volume contribution-based local search. The algorithm switches between an NSGA-II phase and a local search phase. In the local search phase, a model for each of the objectives is trained and CMAES is used to optimize the hyper-volume contribution of each individual with respect to its two neighbors on the non-dominated front. The performance of the algorithm is evaluated using the well known ZDT and WFG benchmark suites. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2015
Počet záznamů: 1