Sharp Bounds for Genetic Drift in Estimation of Distribution Algorithms

Estimation of distribution algorithms (EDAs) are a successful branch of evolutionary algorithms (EAs) that evolve a probabilistic model instead of a population. Analogous to genetic drift in EAs, EDAs also encounter the phenomenon that the random sampling in the model update can move the sampling fr...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on evolutionary computation Ročník 24; číslo 6; s. 1140 - 1149
Hlavní autoři:	Doerr, Benjamin, Zheng, Weijie
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.12.2020 The Institute of Electrical and Electronics Engineers, Inc. (IEEE) Institute of Electrical and Electronics Engineers
Témata:	Computational modeling Computer Science Drift estimation Estimation of distribution algorithms (EDAs) Evolutionary algorithms Genetic algorithms genetic drift Genetics Iterative methods Machine learning Probabilistic logic Probabilistic models Random sampling running time analysis Sociology Statistics theory Time-frequency analysis
ISSN:	1089-778X, 1941-0026
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!