Accéder directement au contenu Accéder directement à la navigation
Chapitre d'ouvrage

C-Strategy: A Dynamic Adaptive Strategy for the CLONALG Algorithm

Abstract : The control of parameters during the execution of bioinspired algorithms is an open research area. In this paper, we propose a new parameter control strategy for the immune algorithm CLONALG. Our approach is based on reinforcement learning ideas. We focus our attention on controlling the number of clones. Our approach provides an efficient and low cost adaptive technique for parameter control. We use instances of the Travelling Salesman Problem. The results obtained are very encouraging.
Type de document :
Chapitre d'ouvrage
Liste complète des métadonnées

Littérature citée [31 références]  Voir  Masquer  Télécharger

https://hal-enpc.archives-ouvertes.fr/hal-00654389
Contributeur : Imagine Hal <>
Soumis le : jeudi 20 septembre 2012 - 10:45:52
Dernière modification le : lundi 12 octobre 2020 - 10:28:01
Archivage à long terme le : : vendredi 21 décembre 2012 - 02:20:14

Fichier

clonalg_2_.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Maria Cristina Riff, Elizabeth Montero, Bertrand Neveu. C-Strategy: A Dynamic Adaptive Strategy for the CLONALG Algorithm. Marina L. Gavrilova and C. J. Kenneth Tan. Transactions on Computational Science VIII, Springer-Verlag, pp.41-55, 2010, Lecture Notes in Computer Science, 978-3-642-16235-0. ⟨10.1007/978-3-642-16236-7_3⟩. ⟨hal-00654389⟩

Partager

Métriques

Consultations de la notice

801

Téléchargements de fichiers

1126