水准点(测量)
差异进化
功能(生物学)
集合(抽象数据类型)
数学优化
数字
计算机模拟
最优化问题
数学
差速器(机械装置)
竞赛(生物学)
算法
应用数学
计算机科学
控制理论(社会学)
算术
物理
生物
人工智能
统计
控制(管理)
地理
程序设计语言
热力学
进化生物学
生态学
大地测量学
作者
Fernando Lezama,João Soares,Ricardo Faia,Zita Vale
标识
DOI:10.1145/3319619.3326747
摘要
In this paper, a hybrid-adaptive differential evolution with a decay function (HyDE-DF)1 is proposed for numerical function optimization. The proposed HyDE-DF is applied to the 100-Digit Challenge in a set of 10 benchmark functions. Results show that HyDE-DF can achieve a 93/100 score, proving its effectiveness for numerical optimization.
科研通智能强力驱动
Strongly Powered by AbleSci AI