Publikace detail

Complexity Analysis of GPA and GPA-ES Algorithms for Symbolic Regression

Autoři: Michalíček Petr | Brandejský Tomáš

Rok: 2024

Druh publikace: článek ve sborníku

Název zdroje: 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)

Název nakladatele: Springer Science and Business Media

Místo vydání: neuvedeno

Strana od-do: 40 - 48

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
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

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte