On-the-fly calibrating strategies for evolutionary algorithms

Elizabeth Montero, María Cristina Riff

Resultado de la investigación: Contribución a una revistaArtículo

19 Citas (Scopus)

Resumen

The issue of controlling values of various parameters of an evolutionary algorithm is one of the most important and interesting areas of research in evolutionary computation. In this paper we propose two new parameter control strategies for evolutionary algorithms based on the ideas of reinforcement learning. These strategies provide efficient and low-cost adaptive techniques for parameter control and they preserve the original design of the evolutionary algorithm, as they can be included without changing either the structure of the algorithm nor its operators design.

Idioma originalInglés
Páginas (desde-hasta)552-566
Número de páginas15
PublicaciónInformation Sciences
Volumen181
N.º3
DOI
EstadoPublicada - 1 feb 2011

Áreas temáticas de ASJC Scopus

  • Ingeniería de control y sistemas
  • Ciencia computacional teórica
  • Software
  • Informática aplicada
  • Gestión y sistemas de información
  • Inteligencia artificial

Huella Profundice en los temas de investigación de 'On-the-fly calibrating strategies for evolutionary algorithms'. En conjunto forman una huella única.

  • Citar esto