Differential Evolution — Optimiser Stokastik Global
Differential Evolution (DE), diperkenalkan oleh Rainer Storn dan Kenneth Price pada tahun 1997, adalah algoritma optimisasi stokastik berbasis populasi yang dirancang untuk ruang parameter kontinu. Algoritma ini menghasilkan solusi kandidat dengan menggabungkan perbedaan vektor antar anggota populasi yang ada, menjadikannya alternatif yang kuat dan hemat parameter dibandingkan Algoritma Genetika dan Optimisasi Kawanan Partikel ketika lanskap pencarian bersifat non-konveks, multimodal, atau kurang cocok untuk metode berbasis gradien.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/id/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.
- Regresi BayesianBayesian↔ compare
- Pembelajaran Penguatan DalamPembelajaran Mendalam↔ compare
- Algoritma GenetikOptimasi↔ compare
- Pencarian Arsitektur NeuralPembelajaran Mendalam↔ compare
- Analisis Komponen UtamaPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →