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:
A Hybrid Group Search Optimizer with Opposition-Based Learning and Differential Evolution Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

An Improved DBOA Based on Estimation of Model Similarity

verfasst von : Yuyan Kong, Jintao Yao, Lei Yang

Erschienen in: Computational Intelligence and Intelligent Systems

Verlag: Springer Singapore

Einloggen

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

search-config
loading …

Abstract

In DBOA, to build accurately the best Bayesian network with respect to most metrics is NP-complete and the high time complexity of learning the model structure becomes a bottleneck of DBOA for real application. Consequently, in order to decrease the asymptotic time complexity of model building and make the algorithm more practical even for extremely large and complex problem, this paper presents adaptive sporadic model building based on estimation of model similarity as an efficiency enhancement technique of DBOA. The results show that performing the adaptive model building in DBOA can reduce the number of building model under no increasing on the number of generation and population size necessary to converge to optimal solutions, and achieve a better trade-off between the convergence speed and convergence results.

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 Bayesian Optimization Algorithm Based on Incremental Model Building
Nächstes Kapitel Person Re-identification Based on Part Feature Specificity
Literatur
1.
2.
Goldberg, D.E.: The Design of Innovation: Lessons form and for Competent Genetic Algorithms. Genetic Algorithms and Evolutionary Computation. Kluwer Academic Publishers, Boston (2002)CrossRefMATH
3.
Lozano, J.A., Larrañaga, P., Inza, I., Bengoetxea, E.: Towards a New Evolutionary Computation: Advances on Estimation of Distribution Algorithms. Springer, Heidelberg (2006)CrossRefMATH
4.
Larrañaga, P., Lozano, J.A.: Estimation of Distribution Algorithms: a New Tool for Evolutionary Computation. Kluwer Academic Publishers, Boston (2002)CrossRefMATH
5.
Hauschild, M.W., Pelikan, M.: An introduction and survey of estimation of distribution algorithms. Swarm Evol. Comput. 1(3), 111–128 (2011)CrossRef
6.
Sun, J., Zhang, Q., Li, J., Yao, X.: A hybrid estimation of distribution algorithm for CDMA cellular system design. Int. J. Comput. Intell. Appl. 7(2), 187–200 (2007)CrossRefMATH
7.
Shah, R., Reed, P.: Comparative analysis of multiobjective evolutionary algorithms for random and correlated instances of multiobjective d-dimensional knapsack problems. Eur. J. Oper. Res. 211(3), 466–479 (2011)CrossRefMathSciNet
8.
Pelikan, M., Goldberg, D.E., Cantú-Paz, E.: BOA: the Bayesian optimization algorithm. In: Banzhaf, W., et al. (eds.) Proceedings of the Genetic and Evolutionary Computation Conference GECCO-99, pp. 525–532. Morgan Kaufmann, San Francisco (1999)
9.
Pelikan, M.: Hierarchical Bayesian Optimization Algorithm: Toward a New Generation of Evolutionary Algorithms. Springer, Heidelberg (2005)MATH
10.
Pelikan, M., Goldberg, D.E., Sastry, K.: Bayesian optimization algorithm, decision graphs, and Occam’s razor. In: Genetic and Evolutionary Computation Conference (GECCO-2001), pp. 519–529. Morgan Kaufmann, San Francisco, California (2001)
11.
Lima, C.F., Lobo, F.G., Pelikan, M., Goldberg, D.E.: Model accuracy in the Bayesian optimization algorithm. Soft. Comput. 15, 1351–1371 (2011)CrossRef
12.
Henrion, M.: Propagation of uncertainty in Bayesian networks by logic sampling. In: Lemmer, J.F., Kanal, L.N. (eds.) Uncertainty in Artificial Intelligence, pp. 149–163. Elsevier, Amsterdam (1988)
13.
Pelikan, M., Sastry, K., Goldberg, D.E.: Sporadic model building for efficiency enhancement of the hierarchical BOA. Genet. Program. Evolvable Mach. 9(1), 53–84 (2008)CrossRef
14.
Hauschild, M., Pelikan, M., Sastry, K., Lima, C.F.: Analyzing probabilistic models in hierarchical BOA. IEEE Trans. Evol. Comput. 13(6), 1199–1217 (2009)CrossRef
15.
Pappas, A., Gillies, D.F.: A new measure for the accuracy of a Bayesian network. In: Coello Coello, C.A., de Albornoz, A., Sucar, L.E., Battistutti, O.C. (eds.) MICAI 2002. LNCS (LNAI), vol. 2313, pp. 411–419. Springer, Heidelberg (2002)CrossRef
Metadaten
Titel
An Improved DBOA Based on Estimation of Model Similarity
verfasst von
Yuyan Kong
Jintao Yao
Lei Yang
Copyright-Jahr
2016
Verlag
Springer Singapore
Buch
Computational Intelligence and Intelligent Systems

Print ISBN: 978-981-10-0355-4

Electronic ISBN: 978-981-10-0356-1

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-981-10-0356-1_21