摘要：通过对离线监督学习应用的理论考虑得出的所谓的“最小全局最优接近原则”，本文介绍了一种有效的对称性打破方法。我们使用差分进化（DE）作为一种流行且稳健的进化全局优化方法，实验证明通过对称性打破，可以显著提高全局搜索效率。
作者：Onay Urfalioglu and Orhan Arikan
论文ID：1009.1513
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2011-04-11
PDF 下载： 英文版 中文版pdf翻译中