Differentiaalikehitys – globaali stokastinen optimoija
Differentiaalikehitys (DE), jonka Rainer Storn ja Kenneth Price esittelivät vuonna 1997, on populaatiopohjainen stokastinen optimointialgoritmi, joka on suunniteltu jatkuville parametriavaruuksille. Se luo ehdokasratkaisuja yhdistämällä vektorieroja olemassa olevien populaation jäsenten välillä, mikä tekee siitä tehokkaan ja vähäparametrisen vaihtoehdon geneettisille algoritmeille ja hiukkasparvioptimoinnille, kun hakuympäristö on ei-konveksi, multimodaalinen tai huonosti soveltuva gradienttipohjaisille menetelmille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/fi/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.
- Bayesilainen regressioBayesilainen tilastotiede↔ compare
- Syvä vahvistusoppiminenSyväoppiminen↔ compare
- Genetiikka-algoritmiOptimointi↔ compare
- NeuraaliarkkitehtuurihakuSyväoppiminen↔ compare
- PääkomponenttianalyysiKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →