Differential Evolution — Global Stokastisk Optimering
Differential Evolution (DE), introduceret af Rainer Storn og Kenneth Price i 1997, er en populationsbaseret stokastisk optimeringsalgoritme designet til kontinuerte parameterområder. Den genererer kandidatløsninger ved at kombinere vektordifferencer mellem eksisterende populationsmedlemmer, hvilket gør den til et kraftfuldt og parameter-lean alternativ til Genetiske Algoritmer og Partikelsværmsoptimering, når søgelandskabet er ikke-konvekst, multimodalt eller dårligt egnet til gradientbaserede metoder.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Kilder
- Storn, R. & Price, K. (1997). Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, 11(4), 341–359. DOI: 10.1023/A:1008202821328 ↗
- Das, S., Mullick, S. S., & Suganthan, P. N. (2016). Recent advances in differential evolution – An updated survey. Swarm and Evolutionary Computation, 27, 1–30. DOI: 10.1016/j.swevo.2016.01.004 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/da/optimization/differential-evolution
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesiansk regressionBayesiansk↔ compare
- Dyb ForstærkningslæringDyb læring↔ compare
- Genetisk AlgoritmeOptimering↔ compare
- Neural Architecture SearchDyb læring↔ compare
- Principal Component AnalysisMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →