Login for students

Login for employees

Publication detail

Complexity Analysis of GPA and GPA-ES Algorithms for Symbolic Regression
Year: 2024
Type of publication: článek ve sborníku
Name of source: Artificial Intelligence and System Engineering: Proceedings of 8th Computational Methods in Systems and Software 2024, Volume 2 (Lecture Notes in Networks and Systems. Vol. 1490)
Publisher name: Springer Science and Business Media
Place: neuvedeno
Page from-to: 40 - 48
Titles:
Language Name Abstract Keywords
cze Analýza složitosti GPA a GPA-ES algoritmů pro symbolickou regresi Tento článek představuje analýzu složitosti genetického programování (GP) pro symbolickou regresi. Jsou představeny a porovnány dva algoritmy: klasický GPA a hybridní metoda GPA + ES. Nejprve jsou popsány implementace a vlastnosti těchto metod. Výsledky ukazují, že oba algoritmy mají exponenciální časovou a paměťovou složitost, přičemž GPA + ES není asymptoticky méně náročný než GPA. Nicméně, při nastavení určitých parametrů jako konstant lze dosáhnout polynomiální složitosti. Tato analýza poskytuje vhled do výkonnosti a použitelnosti algoritmů, zejména při analýze velkých datových sad. Genetické programování; Evoluční strategie; Symbolická regrese; Časová složitost; Paměťová složitost
eng Complexity Analysis of GPA and GPA-ES Algorithms for Symbolic Regression This paper presents a complexity analysis of Genetic Programming (GP) for Symbolic Regression. Two algorithms, classic GPA and the hybrid method GPA + ES, are introduced and then compared. First, the implementations and properties of these methods are described. Results indicate that both algorithms have exponential time and space complexity, with GPA + ES not being asymptotically less demanding than GPA. However, polynomial complexity is achievable when certain parameters are set as constants. This analysis offers insights into algorithm performance and applicability, particularly for analyzing large datasets. Genetic Programming Algorithm; Evolutionary Strategy; Symbolic Regression; Time Complexity; Space Complexity

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives