Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
In this book, a methodology for parameter adaptation in meta-heuristic op-timization methods is proposed. This methodology is based on using met-rics about the population of the meta-heuristic methods, to decide through a fuzzy inference system the best parameter values that were carefully se-lected to be adjusted. With this modification of parameters we want to find a better model of the behavior of the optimization method, because with the modification of parameters, these will affect directly the way in which the global or local search are performed.Three different optimization methods were used to verify the improve-ment of the proposed methodology. In this case the optimization methods are: PSO (Particle Swarm Optimization), ACO (Ant Colony Optimization) and GSA (Gravitational Search Algorithm), where some parameters are se-lected to be dynamically adjusted, and these parameters have the most im-pact in the behavior of each optimization method.Simulation results show that the proposed methodology helps to each optimization method in obtaining better results than the results obtained by the original method without parameter adjustment.