nach oben

Soft Computing

Erschienen in:

31.07.2015 | Focus

On the applicability of diploid genetic algorithms in dynamic environments

verfasst von: Harsh Bhasin, Gitanshu Behal, Nimish Aggarwal, Raj Kumar Saini, Shivani Choudhary

Erschienen in: Soft Computing | Ausgabe 9/2016

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

Diploid genetic algorithms (DGAs) promise robustness as against simple genetic algorithms which only work towards optimization. Moreover, these algorithms outperform others in dynamic environments. The work examines the theoretical aspect of the concept by examining the existing literature. The present work takes the example of dynamic TSP to compare greedy approach, genetic algorithms and DGAs. The work also implements a greedy genetic approach for the problem. In the experiments carried out, the three variants of dominance were implemented and 115 runs proved the point that none of them outperforms the other.

Vorheriger Artikel Invasive weed optimization for solving index tracking problems

Nächster Artikel Hierarchical classification in text mining for sentiment analysis of online news

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 "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

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

Bhasin H, Singla N (2012a) Harnessing cellular automata and genetic algorithms to solve TSP. In: International conference on information, computing and telecommunications (ICICT’12), pp 72–77

Bhasin H, Singla N (2012b) Genetic based algorithm for N-puzzle problem. Int J Comput Appl 51(22):44–50

Bhasin H et al (2014) On the applicability of diploid genetic algorithms in dynamic environments. In: Proceedings of the international conference on soft computing and machine intelligence (ISCMI’14). IEEE Computer Society, Washington, DC, pp 94–97. doi:10.1109/ISCMI.2014.27

Branke J (1999) Memory enhanced evolutionary algorithms for changing optimization problems. Proc 1999 Congr Evol Comput 3:1875–1882CrossRef

Eyckelhof CJ, Snoek M (2002) Ant systems for a dynamic TSP. In: Proceedings of the 3rd international workshop on ant algorithms. Springer, New York, pp 88–99

Goldberg DE (1989) Genetic algorithms in search, optimization and machine learning, 1st edn. Addison-Wesley Longman Publishing Co., Inc., BostonMATH

Guntsch M, Middendorf M (2001) Pheromone modification strategies for ant algorithms applied to dynamic TSP. In: Evo workshops 2001: applications of evolutionary computing. Springer, New York, pp 213–222

Guntsch M, Middendorf M, Schmeck H (2001) An ant colony optimization approach to dynamic TSP. In: Proceedings of the 2001 genetic and evolutionary computing conference, pp 860–867

Guo T, Michalewicz Z (1998) Inver-over operator for the TSP. In: Proceedings of the 5th international conference on parallel problem solving from nature, pp 803–812

Ng KP, Wong KC (1995) A new diploid scheme and dominance change mechanism for non-stationary function optimization. In: Eshelman LJ (ed) Proceedings of the 6th international conference on genetic algorithms. Morgan Kaufmann Publishers Inc., San Francisco, pp 159–166

Paulinas M, Ušinskas A (2007) A survey of genetic algorithms applications for image enhancement and segmentation. Inf Technol Control 36(3):278–284

Ryan C (1994) Degree of oneness. In: Proceedings of the 1994, ECAI workshop of genetic algorithm

Srinivas M, Patnaik LM (1994) Genetic algorithms: a survey. Computer 27(6):17–26CrossRef

Yang S, Yao X (2005) Experimental study on population-based incremental learning algorithm for dynamic optimization problem. Soft Comput 9:815–834CrossRefMATH

Titel: On the applicability of diploid genetic algorithms in dynamic environments
verfasst von: Harsh Bhasin
Gitanshu Behal
Nimish Aggarwal
Raj Kumar Saini
Shivani Choudhary
Publikationsdatum: 31.07.2015
Verlag: Springer Berlin Heidelberg
Erschienen in: Soft Computing / Ausgabe 9/2016
Print ISSN: 1432-7643
Elektronische ISSN: 1433-7479
DOI: https://doi.org/10.1007/s00500-015-1803-5

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 "Wirtschaft"

Springer Professional "Technik"

Weitere Artikel der Ausgabe 9/2016

Hierarchical classification in text mining for sentiment analysis of online news

Intuitionistic general fuzzy automata

Entropy measures and granularity measures for interval and set-valued information systems

Statistical analysis of a multi-objective optimization algorithm based on a model of particles with vorticity behavior

Distilling middle-age cement hydration kinetics from observed data using phased hybrid evolution

Heuristic algorithm based on molecules optimizing their geometry in a crystal to solve the problem of integer factorization