Catalogo dei prodotti della ricerca
IRIS è la soluzione IT che facilita la raccolta e la gestione dei dati relativi alle attività e ai prodotti della ricerca. Fornisce a ricercatori, amministratori e valutatori gli strumenti per monitorare i risultati della ricerca, aumentarne la visibilità e allocare in modo efficace le risorse disponibili.
EnglishThis paper presents the main characteristics of the evolutionary optimization code named EOS, Evolutionary Optimization at Sapienza, and its successful application to challenging, real-world space trajectory optimization problems. EOS is a global optimization algorithm for constrained and unconstrained problems of real-valued variables. It implements a number of improvements to the well-known Differential Evolution (DE) algorithm, namely, a self-adaptation of the control parameters, an epidemic mechanism, a clustering technique, an arepsilon-constrained method to deal with nonlinear constraints, and a synchronous island-model to handle multiple populations in parallel. The results reported prove that EOS is capable of achieving increased performance compared to state-of-the-art single-population self-adaptive DE algorithms when applied to high-dimensional or highly-constrained space trajectory optimization problems.
EOS: A Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization / Federici, L.; Benedikter, B.; Zavoli, A.. - (2020), pp. 1-10. ((Intervento presentato al convegno 2020 IEEE Congress on Evolutionary Computation, CEC 2020 tenutosi a gbr [10.1109/CEC48606.2020.9185800].
Scheda prodotto non validato
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
| Titolo: | EOS: A Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization | |
| Autori: | ||
| Data di pubblicazione: | 2020 | |
| Citazione: | EOS: A Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization / Federici, L.; Benedikter, B.; Zavoli, A.. - (2020), pp. 1-10. ((Intervento presentato al convegno 2020 IEEE Congress on Evolutionary Computation, CEC 2020 tenutosi a gbr [10.1109/CEC48606.2020.9185800]. | |
| Handle: | http://hdl.handle.net/11573/1452827 | |
| ISBN: | 978-1-7281-6929-3 | |
| Appartiene alla tipologia: | 04b Atto di convegno in volume |
File allegati a questo prodotto
Copyright © 2022