Дифференциальная эволюция — глобальный стохастический оптимизатор
Дифференциальная эволюция (DE), представленная Райнером Шторном и Кеннетом Прайсом в 1997 году, является популяционным стохастическим алгоритмом оптимизации, предназначенным для непрерывных пространств параметров. Он генерирует кандидатные решения путем комбинирования векторных разностей между существующими членами популяции, что делает его мощной и малопараметризованной альтернативой генетическим алгоритмам и оптимизации роем частиц, когда ландшафт поиска не является выпуклым, является мультимодальным или плохо подходит для методов, основанных на градиенте.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Differential Evolution (DE). ScholarGate. https://scholargate.app/ru/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.
- Байесовская регрессияБайесовские методы↔ compare
- Глубокое обучение с подкреплениемГлубокое обучение↔ compare
- Генетический алгоритмОптимизация↔ compare
- Нейросетевой поиск архитектурГлубокое обучение↔ compare
- Анализ главных компонентМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →