TY - A2的内里费非盟-巴博萨,爱德华多·巴蒂斯塔德·莫拉埃斯盟——Senne Edson路易斯语言PY - 2017 DA - 2017/06/07 TI -提高Metaheuristics微调:一种方法结合实验设计和赛车算法SP - 8042436六世- 2017 AB -通常,metaheuristic算法适应大量的问题通过应用一些修改参数为每个特定情况。然而,这种灵活性需要巨大的努力正确地调整这些参数。因此,调优metaheuristics出现的最重要的挑战之一的环境中这些算法的研究。因此,本文旨在提出一个方法的统计和人工智能方法相结合metaheuristics的微调。的关键思想是一种启发式方法,叫做启发式的赛车算法(赫拉),探讨了参数搜索空间寻找候选人配置接近一个不错的选择。证实了这种方法的有效性,我们提出一个微调两个截然不同的metaheuristics案例研究:模拟退火(SA)和遗传算法(GA),为了解决经典的旅行商问题。结果比较考虑相同的通过赛车metaheuristics调谐方法。广泛地说,该方法被证明是有效的调优过程的总时间。我们的研究结果显示,metaheuristics调谐通过赫拉实现,计算量更少,类似的结果相比,当他们被其他微调调整方法。SN - 2356 - 752 - 2017/8042436 / 10.1155 x你——https://doi.org/10.1155/2017/8042436——摩根富林明——《优化PB - Hindawi KW - ER