Investigating the parameter space of evolutionary algorithms

Autor:	Moshe Sipper, Weixuan Fu, Karuna Ahuja, Jason H. Moore
Jazyk:	angličtina
Rok vydání:	2018
Předmět:	Evolutionary algorithms Genetic programming Meta-genetic algorithm Parameter tuning Hyper-parameter Computer applications to medicine. Medical informatics R858-859.7 Analysis QA299.6-433
Zdroj:	BioData Mining, Vol 11, Iss 1, Pp 1-14 (2018)
Druh dokumentu:	article
ISSN:	1756-0381
DOI:	10.1186/s13040-018-0164-x
Popis:	Abstract Evolutionary computation (EC) has been widely applied to biological and biomedical data. The practice of EC involves the tuning of many parameters, such as population size, generation count, selection size, and crossover and mutation rates. Through an extensive series of experiments over multiple evolutionary algorithm implementations and 25 problems we show that parameter space tends to be rife with viable parameters, at least for the problems studied herein. We discuss the implications of this finding in practice for the researcher employing EC.
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/e80ced1eb4a148cf967a894261f6e176 Zobrazit plný text záznamu View record in DOAJ Plný text ve formátu PDF Plný text ve formátu HTML
Nepřihlášeným uživatelům se plný text nezobrazuje	K zobrazení výsledku je třeba se přihlásit.