Estimation of distribution algorith

Estimation of distribution algorithms (EDAs) are stochastic optimization techniques that explore the space of potential solutions by building and sampling explicit probabilistic models of promising candidate solutions.
This explicit use of probablistic models in optimization offers some significant advantages over other types of meta-heuristics.
This paper discusses these advantages and outlines many of the different types of EDAs.
In addition,some of the most powerful efficiency enhancement techniques applied to EDAs are discussed and some of the key theoretical results relevant to EDAs are outlined.

ผลลัพธ์ (ไทย) 1:

การประมาณค่าของขั้นตอนวิธีการกระจาย (EDAS) เป็นเทคนิคการเพิ่มประสิทธิภาพที่สุ่มสำรวจพื้นที่ของการแก้ปัญหาที่อาจเกิดขึ้นโดยการสร้างและการสุ่มตัวอย่างความน่าจะเป็นรูปแบบที่ชัดเจนของการแก้ปัญหาผู้สมัครที่มีแนวโน้ม
นี้การใช้งานที่ชัดเจนของรูปแบบ probablistic ในการเพิ่มประสิทธิภาพมีข้อได้เปรียบที่สำคัญบางกว่าชนิดอื่น ๆ ของเมตาดาต้า heuristics
บทความนี้กล่าวถึงข้อได้เปรียบเหล่านี้และเค้าร่างหลายประเภทแตกต่างกันของ EDAS.
นอกจากนี้บางส่วนของเทคนิคที่มีประสิทธิภาพมากที่สุดที่มีประสิทธิภาพการเพิ่มประสิทธิภาพการประยุกต์ใช้กับ EDAS จะกล่าวถึงและบางส่วนของผลทางทฤษฎีที่สำคัญที่เกี่ยวข้องกับการ EDAS ระบุไว้

ผลลัพธ์ (ไทย) 2:

ประเมินของอัลกอริทึมการกระจาย (EDAs) เป็นเทคนิคการเพิ่มประสิทธิภาพแบบเฟ้นสุ่มที่สำรวจพื้นที่ของโซลูชั่นที่มีศักยภาพ โดยสร้าง และรุ่น probabilistic ชัดเจนของโซลูชั่นผู้ว่าการสุ่มตัวอย่าง
นี้ใช้แบบจำลอง probablistic ในการเพิ่มประสิทธิภาพชัดเจนมีข้อได้เปรียบสำคัญกว่าชนิดอื่น ๆ ของ meta-ลองผิดลองถูก
เอกสารนี้อธิบายถึงข้อดีเหล่านี้ และสรุปหลายชนิดแตกต่างกันของ EDAs
,บางสุดประสิทธิภาพปรับปรุงเทคนิคที่มีประสิทธิภาพกับ EDAs จะกล่าวถึง และบางผลทฤษฎีสำคัญที่เกี่ยวข้องกับ EDAs จะถูกล้อมรอบด้วย

ผลลัพธ์ (ไทย) 3:

ประเมินผลของอัลกอริธึมการกระจาย( edas )ได้รับการปรับแต่งด้านเทคนิค,แบบใดก็ได้ทั้งหมดรองรับงานที่สำรวจพื้นที่ของโซลูชันที่อาจเกิดขึ้นโดยรูปแบบอาคารและ probabilistic อย่างชัดเจนการสุ่มตัวอย่างของโซลูชันผู้ลงสมัครรับเลือกตั้งมีอนาคตไกล
การใช้อย่างชัดเจนของรุ่น probablistic ในการปรับแต่งจัดให้บริการประโยชน์บางท่านที่มีความสำคัญมากกว่า ประเภท อื่นๆของ meta - Heuristics
เอกสารนี้อธิบายถึงข้อดีเหล่านี้และข้อมูลสรุปจำนวนมากใน ประเภท ที่แตกต่างกันของ edas .
นอกจากนี้ยังใช้เทคนิคการเพิ่ม ประสิทธิภาพ ทรงพลังที่สุดที่ใช้กับ edas บางอย่างจะนำมาพูดคุยกันและผลที่สำคัญในเชิงทฤษฎีที่เกี่ยวข้องกับ edas บางห้องมีดังนี้: