Differentiële Evolutie — Globale Stochastische Optimaliseerder
Differentiële Evolutie (DE), geïntroduceerd door Rainer Storn en Kenneth Price in 1997, is een populatiegebaseerd stochastisch optimalisatiealgoritme ontworpen voor continue parameterruimtes. Het genereert kandidaatoplossingen door vectorverschillen tussen bestaande populatieleden te combineren, wat het een krachtig en parameterarm alternatief maakt voor Genetische Algoritmen en Particle Swarm Optimisation wanneer het zoeklandschap niet-convex, multimodaal of slecht geschikt is voor gradiëntgebaseerde methoden.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/nl/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.
- Bayesian RegressieBayesiaanse statistiek↔ compare
- Diepgaand bekrachtigingslerenDeep learning↔ compare
- Genetisch AlgoritmeOptimalisatie↔ compare
- Neural Architecture SearchDeep learning↔ compare
- HoofdcomponentenanalyseMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →