Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Semi-Markov Model of a Swarm Functioning Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

A Decomposition-Based Multiobjective Evolutionary Algorithm for Sparse Reconstruction

verfasst von : Jiang Zhu, Muyao Cai, Shujuan Tian, Yanbing Xu, Tingrui Pei

Erschienen in: Advances in Swarm Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Sparse reconstruction is an important method aiming at obtaining an approximation to an original signal from observed data. It can be deemed as a multiobjective optimization problem for the sparsity and the observational error terms, which are considered as two conflicting objectives in evolutionary algorithm. In this paper, a novel decomposition based multiobjective evolutionary algorithm is proposed to optimize the two objectives and reconstruct the original signal more exactly. In our algorithm, a sparse constraint specific differential evolution is designed to guarantee that the solution remains sparse in the next generation. In addition, a neighborhood-based local search approach is proposed to obtain better solutions and improve the speed of convergence. Therefore, a set of solutions is obtained efficiently and is able to closely approximate the original signal.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Hybrid GA-PSO Adaptive Neuro-Fuzzy Inference System for Short-Term Wind Power Prediction
Nächstes Kapitel A Novel Many-Objective Bacterial Foraging Optimizer Based on Multi-engine Cooperation Framework
Literatur
1.
Candès, E.J., Romberg, J., Tao, T.: Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information. IEEE Trans. Inf. Theor. 52(2), 489–509 (2006)MathSciNetCrossRef
2.
Candès, E.J., Wakin, M.B.: An introduction to compressive sampling. IEEE Sig. Process. Mag. 25(2), 21–30 (2008)CrossRef
3.
Daubechies, I., Defrise, M., De Mol, C.: An iterative thresholding algorithm for linear inverse problems with a sparsity constraint. Commun. Pure Appl. Math. 57(11), 1413–1457 (2004)MathSciNetCrossRef
4.
5.
6.
7.
Gong, M., Li, H., Luo, E., Liu, J., Liu, J.: A multiobjective cooperative coevolutionary algorithm for hyperspectral sparse unmixing. IEEE Trans. Evol. Comput. 21(2), 234–248 (2017)CrossRef
8.
Herrity, K.K., Gilbert, A.C., Tropp, J.A.: Sparse approximation via iterative thresholding. In: Proceedings of the 31st International Conference on Acoustics, Speech and Signal Processing, vol. 3, p. III (2006)
9.
Mallat, S.G., Zhang, Z.: Matching pursuits with time-frequency dictionaries. IEEE Trans. Sig. Process. 41(12), 3397–3415 (1993)CrossRef
10.
11.
Trivedi, A., Srinivasan, D., Sanyal, K., Ghosh, A.: A survey of multiobjective evolutionary algorithms based on decomposition. IEEE Trans. Evol. Comput. 21(3), 440–462 (2017)
12.
Tsaig, Y., Donoho, D.L.: Extensions of compressed sensing. Sig. Proces. 86(3), 549–571 (2006)CrossRef
13.
Wang, L., Zhang, Q., Zhou, A., Gong, M., Jiao, L.: Constrained subproblems in a decomposition-based multiobjective evolutionary algorithm. IEEE Trans. Evol. Comput. 20(3), 475–480 (2016)CrossRef
14.
Wright, S.J., Nowak, R.D., Figueiredo, M.A.: Sparse reconstruction by separable approximation. IEEE Trans. Sig. Process. 57(7), 2479–2493 (2009)MathSciNetCrossRef
15.
16.
Yang, A.Y., Sastry, S.S., Ganesh, A., Ma, Y.: Fast L1-minimization algorithms and an application in robust face recognition: a review. In: Proceedings of 17th IEEE International Conference on Image Processing, pp. 1849–1852. IEEE (2010)
17.
Zhang, Q., Li, H.: MOEA/D: a multiobjective evolutionary algorithm based on decomposition. IEEE Trans. Evol. Comput. 11(6), 712–731 (2007)CrossRef
Metadaten
Titel
A Decomposition-Based Multiobjective Evolutionary Algorithm for Sparse Reconstruction
verfasst von
Jiang Zhu
Muyao Cai
Shujuan Tian
Yanbing Xu
Tingrui Pei
Copyright-Jahr
2018
Buch
Advances in Swarm Intelligence

Print ISBN: 978-3-319-93814-1

Electronic ISBN: 978-3-319-93815-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-93815-8_48

Premium Partner

    Bildnachweise