Differential Evolution — Globális sztochasztikus optimalizáló
A Differential Evolution (DE), amelyet Rainer Storn és Kenneth Price vezetett be 1997-ben, egy populációalapú sztochasztikus optimalizálási algoritmus, amelyet folytonos paraméterterekre terveztek. A jelölt megoldásokat a meglévő populációtagok vektorkülönbségeinek kombinálásával generálja, így erőteljes és kevesebb paramétert igénylő alternatívát kínál a genetikai algoritmusokkal és a részecske-swarm optimalizálással szemben, amikor a keresési tartomány nem konvex, multimodális, vagy nem alkalmas gradiens alapú módszerekre.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Mély megerősítéses tanulásMélytanulás↔ compare
- Genetikus algoritmusOptimalizálás↔ compare
- Neuronális Architektúra KeresésMélytanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →