Perturbing control parameters can b

Perturbing control parameters can be taken a step further by using the fitness
improvement to guide selection of control parameters. This is thought not only
to alleviate the need for a user to choose control parameters, matching them to
the problem at hand, but also to better adapt these parameters during optimization, so as to better balance exploration versus exploitation of the search-space.
The Fuzzy Adaptive DE (FADE) by Liu and Lampinen [6] uses Fuzzy Logic
to adapt the DE control parameters during an optimization run. Fuzzy logic,
originally due to Zadeh [24], provides a means for logical reasoning with uncertainties. In FADE the fuzzy reasoning is used to alter DE control parameters
according to observations of fitness improvements and population diversity, and
is reported to outperform DE with fixed and hand-tuned control parameters,
especially on a range of benchmark problems with higher dimensionalities.
Another example of an adaptive DE variant is the Self-adaptive DE (SaDE)
due to Qin and Suganthan [7]. The SaDE variant perturbs the F parameter
according to a normal distribution, and while the CR parameter is also randomly
picked, its observed effect on fitness improvement influences how and when

Kết quả (Việt) 1:

Perturbing kiểm soát các thông số có thể được thực hiện một bước xa hơn bằng cách sử dụng tập thể dụccải tiến để hướng dẫn lựa chọn các thông số điều khiển. Đây là suy nghĩ không chỉđể giảm bớt sự cần thiết cho một người dùng để chọn các thông số điều khiển, phù hợp với họvấn đề ở bàn tay, mà còn tốt hơn để thích ứng với các tham số trong thời gian tối ưu hóa, để cân bằng tốt hơn thăm dò so với việc khai thác các không gian tìm kiếm.Những mờ Adaptive DE (MỜ) bởi Liu và Lampinen [6] sử dụng Logic mờđể thích ứng với các thông số kiểm soát DE trong một tối ưu hóa chạy. Lôgic mờ,Ban đầu do Zadeh [24], cung cấp một phương tiện cho các lý do hợp lý với sự không chắc chắn. Trong MỜ mờ lý luận được sử dụng để thay đổi các thông số kiểm soát DETheo quan sát của thể dục cải tiến và dân số đa dạng, vàlà báo cáo outperform DE với kiểm soát cố định và điều chỉnh tay các thông sốđặc biệt là trên một loạt các vấn đề chuẩn với cao dimensionalities.Một ví dụ khác của một biến thể DE thích nghi là Self-adaptive DE (SaDE)do tần và Suganthan [7]. Phiên bản SaDE perturbs tham số Ftheo một phân phối bình thường, và trong khi CR tham số cũng là ngẫu nhiênchọn, quan sát hiệu quả của nó trên thể dục cải thiện ảnh hưởng như thế nào và khi

Kết quả (Việt) 2:

Thông số điều khiển gây nhiễu có thể được thực hiện một bước xa hơn bằng cách sử dụng tập thể dục
cải thiện để hướng dẫn lựa chọn các thông số điều khiển. Điều này được cho là không chỉ
để làm giảm bớt sự cần thiết cho một người sử dụng để lựa chọn các thông số điều khiển, phù hợp với họ để
vấn đề ở bàn tay, mà còn để thích ứng tốt hơn các thông số trong quá trình tối ưu hóa, để thăm dò sự cân bằng tốt hơn so với khai thác tìm kiếm không gian.
Các Fuzzy thích ứng DE (Fade) bởi Liu và Lampinen [6] sử dụng Fuzzy logic
để thích ứng với các thông số điều khiển DE trong một cuộc chạy tối ưu hóa. Lôgic mờ,
ban đầu do Zadeh [24], cung cấp một phương tiện cho các suy luận logic với sự không chắc chắn. Trong Fade lý luận mờ được sử dụng để thay đổi các thông số kiểm soát DE
theo quan sát của những cải tiến tập thể dục và sự đa dạng dân số, và
được báo cáo là tốt hơn DE với các thông số kiểm soát cố định và bàn giao điều chỉnh,
đặc biệt là về một loạt các vấn đề chuẩn với kích thước khu cao hơn.
Một ví dụ khác của một thích nghi DE biến là DE tự thích nghi (Sade)
do Tần và Suganthan [7]. Các biến thể Sade perturbs tham số F
theo một phân phối bình thường, và trong khi các thông số CR cũng được ngẫu nhiên
chọn, hiệu quả quan sát của mình về ảnh hưởng cải thiện thể dục như thế nào và khi