| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Prilagodljivi algoritem diferencialne evolucije z arhivom uspešnosti in linearnim zmanjševanjem populacije : diplomsko delo
Avtorji:ID Gartner, Aleš (Avtor)
ID Fister, Iztok (Mentor) Več o mentorju... Novo okno
ID Fister, Iztok (Komentor)
Datoteke:.pdf UN_Gartner_Ales_2022.pdf (1008,89 KB)
MD5: DFED990331B959A61BCB98DAA2F8A7B8
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V sklopu diplomskega dela predstavljamo delovanje prilagodljivega algoritma diferencialne evolucije z arhivom uspešnosti in linearnim zmanjševanjem populacije ter ga implementiramo v programskem jeziku Python. S statistično primerjavo rezultatov implementacije na testnih funkcijah smo pokazali, da smo algoritem uspešno implementirali. Algoritem smo vključili v Python knjižnico NiaPy ter primerjali njegovo učinkovitost z drugimi algoritmi diferencialne evolucije, implementiranimi v NiaPy. Z analizo rezultatov smo pokazali, da je naš implementirani algoritem resnično eden izmed najučinkovitejših verzij algoritma diferencialne evolucije.
Ključne besede:optimizacija, algoritmi po vzoru iz narave, diferencialna evolucija, NiaPy
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[A. Gartner]
Leto izida:2022
Št. strani:1 spletni vir (1 datoteka PDF (X, 29 f.))
PID:20.500.12556/DKUM-82948 Novo okno
UDK:004.8.021(043.2)
COBISS.SI-ID:137305859 Novo okno
Datum objave v DKUM:24.10.2022
Število ogledov:605
Število prenosov:46
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:11.09.2022

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Succes-History based adaptive differential evolution algorithm with linear population size reduction
Opis:As part of our thesis, we have presented the operation of the Success-History based Adaptive Differential Evolution algorithm with Linear Population Size Reduction and implemented it in the Python programming language. Through statistical comparison of the results on test functions, we have demonstrated that the algorithm was successfully implemented. We merged the algorithm into the Python library NiaPy and compared its performance with other already existing differential evolution algorithms implemented in the same library. By analysing the results, we justify that our implemented algorithm is among the best preforming variants of the differential evolution algorithm.
Ključne besede:optimization, nature-inspired algorithms, differential evolution, NiaPy


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici