Calibrating strategies for evolutionary algorithms

Elizabeth Montero, María Cristina Riff

Resultado de la investigación: Contribución a los tipos de informe/libroContribución a la conferencia

2 Citas (Scopus)

Resumen

The control of parameters during the execution of evolutionary algorithms is an open research area. In this paper, we propose new parameter control strategies for evolutionary approaches, based on reinforcement learning ideas. Our approach provides efficient and low cost adaptive techniques for parameter control. Moreover, it is a general method, thus it could be applied to any evolutionary approach having more than one operator. We contrast our results with tuning techniques and HAEA a random parameter control.

Idioma originalInglés
Título de la publicación alojada2007 IEEE Congress on Evolutionary Computation, CEC 2007
Páginas394-399
Número de páginas6
DOI
EstadoPublicada - 1 dic 2007
Evento2007 IEEE Congress on Evolutionary Computation, CEC 2007 - , Singapur
Duración: 25 sep 200728 sep 2007

Conferencia

Conferencia2007 IEEE Congress on Evolutionary Computation, CEC 2007
PaísSingapur
Período25/09/0728/09/07

Áreas temáticas de ASJC Scopus

  • Inteligencia artificial
  • Software
  • Ciencia computacional teórica

Huella Profundice en los temas de investigación de 'Calibrating strategies for evolutionary algorithms'. En conjunto forman una huella única.

  • Citar esto

    Montero, E., & Riff, M. C. (2007). Calibrating strategies for evolutionary algorithms. En 2007 IEEE Congress on Evolutionary Computation, CEC 2007 (pp. 394-399). [4424498] https://doi.org/10.1109/CEC.2007.4424498