Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloGlobal optimization of functions with the Interval Genetic Algorithm
Anno di pubblicazione1992
FormatoCartaceo
Autore/iM. Muselli
Affiliazioni autoriM. Muselli: CNR-IEIIT, Italy
Autori CNR e affiliazioni
  • MARCO MUSELLI
Lingua/e
  • inglese
AbstractA new evolutionary method for the global optimization of functions with continuous variables is proposed. This algorithm can be viewed as an efficient parallelization of the simulated annealing technique, although a suitable interval coding shows a close analogy between real-coded genetic algorithms and the proposed method, called {\sl interval genetic algorithm}. Some well defined genetic operators allow a considerable improvement in reliability and efficiency with respect to a conventional simulated annealing even on a sequential computer. Results of simulations on Rosenbrock valleys and cost functions with flat areas or fine-grained local minima are reported. Furthermore, tests on classical problems in the field of neural networks are presented; they show a possible practical application of the interval genetic algorithm.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da193
Pagine a212
Pagine totali-
RivistaComplex systems
Attiva dal 1987
Editore: Complex Systems Publications, - [Champaign, IL, USA
Paese di pubblicazione: Stati Uniti d'America
Lingua: inglese
ISSN: 0891-2513
Titolo chiave: Complex systems
Titolo proprio: Complex systems.
Titolo abbreviato: Complex syst.
Numero volume della rivista6
Fascicolo della rivista-
DOI-
Verificato da refereeSì: Internazionale
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)-
Parole chiave-
Link (URL, URI)http://www.complex-systems.com/pdf/06-3-1.pdf
Titolo parallelo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • IEIIT — Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni
Moduli CNR
    Progetti Europei-
    Allegati
    • Global optimization of functions with the Interval Genetic Algorithm