nach oben

Erschienen in:

2020 | OriginalPaper | Buchkapitel

Cooperative Model of Evolutionary Algorithms and Real-World Problems

verfasst von : Petr Bujok

Erschienen in: Swarm, Evolutionary, and Memetic Computing and Fuzzy and Neural Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

A cooperative model of efficient evolutionary algorithms is proposed and studied when solving 22 real-world problems of the CEC 2011 benchmark suite. Four adaptive algorithms are chosen for this model, namely the Covariance Matrix Adaptation Evolutionary Strategy (CMA-ES) and three variants of adaptive Differential Evolution (CoBiDE, jSO, and IDEbd). Five different combinations of cooperating algorithms are tested to obtain the best results. Although the two algorithms use constant population size, the proposed model employs an efficient linear population-size reduction mechanism. The best performing Cooperative Model of Evolutionary Algorithms (CMEAL) employs two EAs, and it outperforms the original algorithms in 10 out of 22 real-world problems.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Nächstes Kapitel Pareto-Based Self-organizing Migrating Algorithm Solving 100-Digit Challenge

Bischl, B., et al.: ASlib: a benchmark library for algorithm selection. Artif. Intell. 237, 41–58 (2016)MathSciNetCrossRef

Brest, J., Maučec, M.S., Bošković, B.: Single objective real-parameter optimization: algorithm jSO. In: 2017 IEEE Congress on Evolutionary Computation (CEC), pp. 1311–1318 (2017)

Bujok, P., Tvrdík, J.: Enhanced individual-dependent differential evolution with population size adaptation. In: 2017 IEEE Congress on Evolutionary Computation (CEC), pp. 1358–1365, June 2017

Bujok, P.: Cooperative model for nature-inspired algorithms in solving real-world optimization problems. In: Korošec, P., Melab, N., Talbi, E.-G. (eds.) BIOMA 2018. LNCS, vol. 10835, pp. 50–61. Springer, Cham (2018). https://doi.org/10.1007/978-3-319-91641-5_5CrossRef

Bujok, P.: Migration model of adaptive differential evolution applied to real-world problems. In: Rutkowski, L., Scherer, R., Korytkowski, M., Pedrycz, W., Tadeusiewicz, R., Zurada, J.M. (eds.) ICAISC 2018. LNCS (LNAI), vol. 10841, pp. 313–322. Springer, Cham (2018). https://doi.org/10.1007/978-3-319-91253-0_30CrossRef

Bujok, P., Tvrdík, J.: Parallel migration model employing various adaptive variants of differential evolution. In: Rutkowski, L., Korytkowski, M., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) EC/SIDE -2012. LNCS, vol. 7269, pp. 39–47. Springer, Heidelberg (2012). https://doi.org/10.1007/978-3-642-29353-5_5CrossRef

Bujok, P., Zamuda, A.: Cooperative model of evolutionary algorithms applied to CEC 2019 single objective numerical optimization. In: 2019 IEEE Congress on Evolutionary Computation (CEC), pp. 366–371 (2019). https://doi.org/10.1109/CEC.2019.8790317

Das, S., Mullick, S.S., Suganthan, P.N.: Recent advances in differential evolution-an updated survey. Swarm Evol. Comput. 27, 1–30 (2016)CrossRef

Das, S., Suganthan, P.N.: Problem definitions and evaluation criteria for CEC 2011 competition on testing evolutionary algorithms on real world optimization problems. Technical report, Jadavpur University, India and Nanyang Technological University, Singapore (2010)

10.

Das, S., Suganthan, P.N.: Differential evolution: a survey of the state-of-the-art. IEEE Trans. Evol. Comput. 15, 27–54 (2011)

11.

Elsayed, S.M., Sarker, R.A., Essam, D.L.: GA with a new multi-parent crossover for solving IEEE-CEC2011 competition problems. In: 2011 IEEE Congress of Evolutionary Computation (CEC), pp. 1034–1040 (2011)

12.

Hansen, N., Kern, S.: Evaluating the CMA evolution strategy on multimodal test functions. In: Yao, X., et al. (eds.) PPSN 2004. LNCS, vol. 3242, pp. 282–291. Springer, Heidelberg (2004). https://doi.org/10.1007/978-3-540-30217-9_29CrossRef

13.

Neri, F., Tirronen, V.: Recent advances in differential evolution: a survey and experimental analysis. Artif. Intell. Rev. 33, 61–106 (2010)CrossRef

14.

Storn, R., Price, K.V.: Differential evolution - a simple and efficient heuristic for global optimization over continuous spaces. J. Global Optim. 11, 341–359 (1997)MathSciNetCrossRef

15.

Tang, L., Dong, Y., Liu, J.: Differential evolution with an individual-dependent mechanism. IEEE Trans. Evol. Comput. 19(4), 560–574 (2015)CrossRef

16.

Tvrdík, J.: Competitive differential evolution. In: Matoušek, R., Ošmera, P. (eds.) MENDEL 2006, 12th International Conference on Soft Computing, pp. 7–12. University of Technology, Brno (2006)

17.

Wang, Y., Li, H.X., Huang, T., Li, L.: Differential evolution based on covariance matrix learning and bimodal distribution parameter setting. Appl. Soft Comput. 18, 232–247 (2014)CrossRef

18.

Wolpert, D.H., Macready, W.G.: No free lunch theorems for optimization. IEEE Trans. Evol. Comput. 1, 67–82 (1997)CrossRef

Titel: Cooperative Model of Evolutionary Algorithms and Real-World Problems
verfasst von: Petr Bujok
Verlag: Springer International Publishing
Buch: Swarm, Evolutionary, and Memetic Computing and Fuzzy and Neural Computing
Print ISBN: 978-3-030-37837-0

Electronic ISBN: 978-3-030-37838-7

Copyright-Jahr: 2020
DOI: https://doi.org/10.1007/978-3-030-37838-7_1

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner