Differential evolution: theoretical results on convergence and parameter choosing

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Lucas Resende
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Minas Gerais
Brasil
ICX - DEPARTAMENTO DE MATEMÁTICA
Programa de Pós-Graduação em Matemática
UFMG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
differential evolution
optimization
parameter choosing
stochastic algorithms
genetic algorithms
Matemática - Teses
Otimização - Teses
Algoritmos genéticos - Teses
Análise estocástica - Teses
Link de acesso: http://hdl.handle.net/1843/67524
https://orcid.org/0000-0001-6188-299X
Resumo: O Differential Evolution é um algoritmo evolutivo clássico para otimização. Possui apenas três parâmetros, é fácil de implementar e poderoso. Embora seja amplamente utilizado, com muitos artigos propondo variantes e resultados experimentais, apenas alguns artigos buscam resultados analíticos. Este trabalho tem dois objetivos: um teórico e um prático. O objetivo teórico é ampliar a compreensão da dinâmica do algoritmo, para isso, começamos expondo alguns resultados da literatura e em seguida alguns resultados originais. O objetivo prático é criar um método adequado para escolher os parâmetros do algoritmo. Esse método é derivado dos resultados analíticos e testado com sucesso em relação a funções de teste típicas.

Registros relacionados