Result Details
Bayesovské optimalizační algoritmy v dynamickém prostředí
Tato práce je experimentální studií schopnosti Bayesovkýchoptimalizačních algoritmů(BOA) řešit dynamické problémy. Testovali jsmevýkonnost dvou variant BOA algotitmů Mixed continuous-discrete BayesianOptimization Algorithm (MBOA),Adaptive Mixed Bayesian Optimization Algorithm (AMBOA). Výsledkyexperimentů potvrdily přínos uvedených modifikací pro sledování optima. AMBOA s adaptací variance překonala MBOA algoritmus
Thispaper is an experimental study investigating the capability ofBayesian optimization algorithms to solve dynamic problems. We testedthe performance of two types of Bayesian optimization algorithms -Mixed continuous-discrete Bayesian Optimization Algorithm (MBOA) [1],and AdaptiveMixed Bayesian Optimization Algorithm (AMBOA)[2].We have compared the behaviour of both algorithms on a simple dynamic environment defined as a time-varying function with predefinedparameters. The experimental results confirmed the capability of bothBOA algorithms to adapt the search process, but for a limitedenvironment change. The AMBOA with the variance adaptationoutperformed the MBOA algorithm.
BOA, dynamické problémy, evoluční optimalizace
BOA, dynamic problems, evolutionary optimization
@inproceedings{BUT22417,
author="Miloš {Kobliha}",
title="Bayesovské optimalizační algoritmy v dynamickém prostředí",
booktitle="Sborník příspevků ze semináře Počítačové Architektury & Diagnostika",
year="2005",
pages="25--30",
publisher="České vysoké učení technické",
address="Praha",
isbn="80-01-03298-1"
}