Automatically Modeling Hybrid Evolutionary Algorithms from Past Executions

Muelas Pascual, Santiago; Peña Sanchez, Jose Maria y LaTorre de la Fuente, Antonio (2010). Automatically Modeling Hybrid Evolutionary Algorithms from Past Executions. En: "EvoApplicatons 2010: EvoCOMPLEX, EvoGAMES, EvoIASP, EvoINTELLIGENCE, EvoNUM, and EvoSTOC", 07/04/2010 - 09/04/2010, Estambul, Turquía. ISBN 978-3-642-12238-5.

Descripción

Título: Automatically Modeling Hybrid Evolutionary Algorithms from Past Executions
Autor/es:
  • Muelas Pascual, Santiago
  • Peña Sanchez, Jose Maria
  • LaTorre de la Fuente, Antonio
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: EvoApplicatons 2010: EvoCOMPLEX, EvoGAMES, EvoIASP, EvoINTELLIGENCE, EvoNUM, and EvoSTOC
Fechas del Evento: 07/04/2010 - 09/04/2010
Lugar del Evento: Estambul, Turquía
Título del Libro: Proceedings of the EvoApplicatons 2010: EvoCOMPLEX, EvoGAMES, EvoIASP, EvoINTELLIGENCE, EvoNUM, and EvoSTOC
Fecha: 2010
ISBN: 978-3-642-12238-5
Volumen: 6024
Materias:
Escuela: Facultad de Informática (UPM) [antigua denominación]
Departamento: Arquitectura y Tecnología de Sistemas Informáticos
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (416kB) | Vista Previa

Resumen

ection of the most appropriate Evolutionary Algorithm for a given optimization problem is a difficult task. Hybrid Evolutionary Algorithms are a promising alternative to deal with this problem. By means of the combination of different heuristic optimization approaches, it is possible to profit from the benefits of the best approach, avoiding the limitations of the others. Nowadays, there is an active research in the design of dynamic or adaptive hybrid algorithms. However, little research has been done in the automatic learning of the best hybridization strategy. This paper proposes a mechanism to learn a strategy based on the analysis of the results from past executions. The proposed algorithm has been evaluated on a well-known benchmark on continuous optimization. The obtained results suggest that the proposed approach is able to learn very promising hybridization strategies.

Más información

ID de Registro: 7687
Identificador DC: http://oa.upm.es/7687/
Identificador OAI: oai:oa.upm.es:7687
URL Oficial: http://www.springerlink.com/content/x370062853393740/
Depositado por: Memoria Investigacion
Depositado el: 29 Jun 2011 08:20
Ultima Modificación: 20 Abr 2016 16:45
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM