Prilagodljivi algoritem diferencialne evolucije z arhivom uspešnosti in linearnim zmanjševanjem populacije

diplomsko delo

Aleš Gartner (Avtor), Iztok Fister (Mentor), Iztok Fister (Komentor)

Povzetek

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;diplomske naloge;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2022
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik:	[A. Gartner]
UDK:	004.8.021(043.2)
COBISS:	137305859
Št. ogledov:	93
Št. prenosov:	8
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Succes-History based adaptive differential evolution algorithm with linear population size reduction
Sekundarni povzetek:	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.
Sekundarne ključne besede:	optimization;nature-inspired algorithms;differential evolution;NiaPy;
Vrsta dela (COBISS):	Diplomsko delo/naloga
Komentar na gradivo:	Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani:	1 spletni vir (1 datoteka PDF (X, 29 f.))
ID:	16431785