Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: algorytm estymacji rozkładu

Sortuj według:

Ogranicz wyniki do:

A factor graph based genetic algorithm

Helmi B. H., Rahmani A. T., Pelikan M.

International Journal of Applied Mathematics and Computer Science

2014

Vol. 24, no. 3

621--633

We propose a new linkage learning genetic algorithm called the Factor Graph based Genetic Algorithm (FGGA). In the FGGA, a factor graph is used to encode the underlying dependencies between variables of the problem. In order to learn the factor graph from a population of potential solutions, a symmetric non-negative matrix factorization is employed to factorize the matrix of pair-wise dependencies. To show the performance of the FGGA, encouraging experimental results on different separable problems are provided as support for the mathematical analysis of the approach. The experiments show that FGGA is capable of learning linkages and solving the optimization problems in polynomial time with a polynomial number of evaluations.

Hybrid Particle Swarm Algorithm for Solving Multidimensional Knapsack Problem

Liu W.

Przegląd Elektrotechniczny

2013

R. 89, nr 1b

228--231

In order to effectively solve combinatorial optimization problems, the Estimation of Distribution Algorithm (EDA) and Particle Swarm Optimization (PSO) combine to form a new ED-PSO hybrid algorithm, the algorithm can effectively apply global statistical information and global optimal solution to the solution space search. This algorithm is used to solve the Multidimensional Knapsack Problem (MKP). Experimental results show that when solving multidimensional knapsack problem, ED-PSO algorithm is superior to traditional PSO algorithm, and also better than many heuristic intelligent algorithm. Meanwhile, ED-PSO algorithm uses fewer parameters, and therefore easier to be implemented, and run more stable.

W artykule przedstawiono wykorzystanie algorytmu hybrydowego ED-PSO do rozwiązania wielowymiarowego problem Knapsacka (ang. MKP). Zastosowano tu optymalizację roju cząstek (ang. PSO) oraz algorytmu estymacji EDA. Wyniki eksperymentalne pokazują, że w przypadku MKP proponowany algorytm wykazuje znacznie lepsze możliwości niż klasyczny PSO. Dodatkowo ED-PSO ma mniej parametrów, przez co jest łatwiejszy w implementacji.