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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Improved Evolutionary Extreme Learning Machine Based on Multiobjective Particle Swarm Optimization Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Dynamic Mutation Based Pareto Optimization for Subset Selection

verfasst von : Mengxi Wu, Chao Qian, Ke Tang

Erschienen in: Intelligent Computing Methodologies

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Subset selection that selects the best k variables from n variables is a fundamental problem in many areas. Pareto optimization for subset selection (called POSS) is a recently proposed approach for subset selection based on Pareto optimization and has shown good approximation performances. In the reproduction of POSS, it uses a fixed mutation rate, which may make POSS get trapped in local optimum. In this paper, we propose a new version of POSS by using a dynamic mutation rate, briefly called DM-POSS. We prove that DM-POSS can achieve the best known approximation guarantee for the application of sparse regression in polynomial time and show that DM-POSS can also empirically perform well.

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 Pseudo-dynamic Search Ant Colony Optimization Algorithm with Improved Negative Feedback Mechanism to Solve TSP
Nächstes Kapitel Energy-Aware Fault-Tolerant Scheduling Under Reliability and Time Constraints in Heterogeneous Systems
Fußnoten
Literatur
1.
Das, A., Kempe, D.: Submodular meets spectral: Greedy algorithms for subset selection, sparse approximation and dictionary selection. In: 28th International Conference on Machine Learning, Bellevue, WA, pp. 1057–1064 (2011)
2.
3.
Doerr, B., Le, H.P., Makhmara, R., Nguyen, T.D.: Fast genetic algorithms. In: 19th ACM Genetic and Evolutionary Computation Conference, Berlin, Germany, pp. 777–784 (2017)
4.
Droste, S., Jansen, T., Wegener, I.: On the analysis of the (1+1) evolutionary algorithm. Theoret. Comput. Sci. 276(1–2), 51–58 (2002)MathSciNetCrossRef
5.
Fischer, S., Wegener, I.: The one-dimensional Ising model: mutation versus recombination. Theoret. Comput. Sci. 344(2–3), 208–225 (2005)MathSciNetCrossRef
6.
Giel, O., Wegener, I.: Evolutionary algorithms and the maximum matching problem. In: 20th Annual Symposium on Theoretical Aspects of Computer Science, London, UK, pp. 415–426 (2003)
7.
Gilbert, A.C., Muthukrishnan, S., Strauss, M.J.: Approximation of functions over redundant dictionaries using coherence. In: 14th Annual ACM-SIAM symposium on Discrete Algorithms, Baltimore, MA, pp. 243–252 (2003)
8.
Kempe, D., Kleinberg, J., Tardos, E.: Maximizing the spread of influence through a social network. In: 9th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Washington, D.C., pp. 137–146 (2003)
9.
Miller, A.: Subset Selection in Regression. CRC Press, Boca Raton (2002)CrossRef
10.
Qian, C., Yu, Y., Zhou, Z.H.: Subset selection by Pareto optimization. In: Advances in Neural Information Processing Systems 28, Montreal, Canada, pp. 1774–1782 (2015)
Metadaten
Titel
Dynamic Mutation Based Pareto Optimization for Subset Selection
verfasst von
Mengxi Wu
Chao Qian
Ke Tang
Copyright-Jahr
2018
Buch
Intelligent Computing Methodologies

Print ISBN: 978-3-319-95956-6

Electronic ISBN: 978-3-319-95957-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-95957-3_4

Premium Partner

    Bildnachweise