Setup of fuzzy hybrid particle swarms

Résultats de recherche: Contribution dans un livre/un catalogue/un rapport/dans les actes d'une conférenceChapitre (revu par des pairs)Revue par des pairs

6 Téléchargements (Pure)

Résumé

This paper presents a framework for systematically investigating and designing fuzzy rulesets for Adaptive Fuzzy Particle Swarm Optimization (AFPSO) algorithms. Training is achieved through Gaussian Process (GP) supported by Gradient Boosted Regression Trees (GBRT). Meta-objective was defined by ranks on various benchmark functions. Validation benchmarks were also performed on GECCO ’20 bound-constrained optimization competition. The resulting variants, particularly those controlling hybridization with Quantum Particle Swarm Optimization (QPSO) surpassed classical Particle Swarm Optimization (PSO), Genetic Algorithm (GA) and Differential Evolution (DE) on the training functions. Some level of generalization was also observed on most of the validation set.
langue originaleAnglais
titreGECCO '21: Proceedings of the Genetic and Evolutionary Computation Conference Companion
Lieu de publicationNew York
EditeurACM Press
Pages207-208
ISBN (imprimé)978-1-4503-8351-6
Les DOIs
Etat de la publicationPublié - 2021
EvénementGECCO '21: Genetic and Evolutionary Computation Conference - Lille, France
Durée: 10 juil. 202114 juil. 2021
Numéro de conférence: 21

Une conférence

Une conférenceGECCO '21: Genetic and Evolutionary Computation Conference
Titre abrégéGECCO
PaysFrance
La villeLille
période10/07/2114/07/21

Empreinte digitale

Examiner les sujets de recherche de « Setup of fuzzy hybrid particle swarms ». Ensemble, ils forment une empreinte digitale unique.

Contient cette citation