NK hybrid genetic algorithm for clustering (2018)
- Authors:
- USP affiliated authors: TINÓS, RENATO - FFCLRP ; LIANG, ZHAO - FFCLRP
- Unidade: FFCLRP
- DOI: 10.1109/tevc.2018.2828643
- Subjects: ALGORITMOS GENÉTICOS; CLUSTERS
- Keywords: Clustering; Genetic algorithms; NK landscapes
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Piscataway
- Date published: 2018
- Source:
- Título: IEEE Transactions on Evolutionary Computation
- ISSN: 1089-778X
- Volume/Número/Paginação/Ano: v. 22, n. 5, p. 748-761, 2018
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
TINÓS, Renato et al. NK hybrid genetic algorithm for clustering. IEEE Transactions on Evolutionary Computation, v. 22, n. 5, p. 748-761, 2018Tradução . . Disponível em: https://doi.org/10.1109/tevc.2018.2828643. Acesso em: 20 fev. 2026. -
APA
Tinós, R., Zhao, L., Chicano, F., & Whitley, D. (2018). NK hybrid genetic algorithm for clustering. IEEE Transactions on Evolutionary Computation, 22( 5), 748-761. doi:10.1109/tevc.2018.2828643 -
NLM
Tinós R, Zhao L, Chicano F, Whitley D. NK hybrid genetic algorithm for clustering [Internet]. IEEE Transactions on Evolutionary Computation. 2018 ; 22( 5): 748-761.[citado 2026 fev. 20 ] Available from: https://doi.org/10.1109/tevc.2018.2828643 -
Vancouver
Tinós R, Zhao L, Chicano F, Whitley D. NK hybrid genetic algorithm for clustering [Internet]. IEEE Transactions on Evolutionary Computation. 2018 ; 22( 5): 748-761.[citado 2026 fev. 20 ] Available from: https://doi.org/10.1109/tevc.2018.2828643 - Encontro nacional de inteligência artificial e computacional - ENIAC, 2017
- A new evaluation function for clustering: the NK internal validation criterion
- Brazilian Conference on Intelligent Systems - BRACIS, 2017
- Feature learning in feature–sample networks using multi-objective optimization
- Programação evolutiva com distribuição de mutações auto-adaptativa aplicada a redes neurais artificiais
- A new method for identification of recombining components in the generalized partition crossover
- Quasi-optimal recombination operator
- Artificial neural network based crossover for evolutionary algorithms
- Analyzing evolutionary algorithms for dynamic optimization problems based on the dynamical systems approach
- Use of self-organizing suppression and q-Gaussian mutation in artificial immune systems
Informações sobre o DOI: 10.1109/tevc.2018.2828643 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
002936229.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
