Fugu-MT 論文翻訳(概要): A Memory Optimized Data Structure for Binary Chromosomes in Genetic Algorithm

論文の概要: A Memory Optimized Data Structure for Binary Chromosomes in Genetic Algorithm

arxiv url: http://arxiv.org/abs/2103.04751v1
Date: Wed, 24 Feb 2021 15:49:11 GMT
ステータス: 処理完了
システム内更新日: 2021-04-05 00:47:17.889657
Title: A Memory Optimized Data Structure for Binary Chromosomes in Genetic Algorithm
Title（参考訳）: 遺伝的アルゴリズムによる二成分染色体のメモリ最適化データ構造
Authors: Avijit Basak
Abstract要約: 本稿では,遺伝アルゴリズムにおけるバイナリ染色体の実装のためのメモリ最適化メタデータに基づくデータ構造を提案する。このアプローチは、メモリ使用率とアレルの保持能力を向上させる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a memory-optimized metadata-based data structure for implementation of binary chromosome in Genetic Algorithm. In GA different types of genotypes are used depending on the problem domain. Among these, binary genotype is the most popular one for non-enumerated encoding owing to its representational and computational simplicity. This paper proposes a memory-optimized implementation approach of binary genotype. The approach improves the memory utilization as well as capacity of retaining alleles. Mathematical proof has been provided to establish the same.
Abstract（参考訳）: 本稿では,遺伝アルゴリズムにおけるバイナリ染色体の実装のためのメモリ最適化メタデータに基づくデータ構造を提案する。 gaでは問題領域によって異なる種類の遺伝子型が使用される。このうちバイナリジェノタイプは、表現的および計算的単純さから非列挙符号化において最も一般的なものである。本稿では,メモリ最適化によるバイナリジェノタイプの実装手法を提案する。このアプローチは、メモリ使用率とアレルの保持能力を向上させる。同じことを証明する数学的証明が提供されている。

関連論文リスト

Analysing the Influence of Reorder Strategies for Cartesian Genetic Programming [0.0]
CGPで定義されるグラフのジェノタイプを並べ替える3つの新しい作用素を導入する。そこで本研究では,CGPをリオーダー法で使用することにより,解が見つかるまでの反復数や適合度が向上することを示す。しかし、最良のリオーダー演算子は存在しない。
論文参考訳（メタデータ） (2024-10-01T08:59:01Z)
Evaluating Genetic Algorithms through the Approximability Hierarchy [55.938644481736446]
本稿では,問題の近似クラスに依存する遺伝的アルゴリズムの有用性を解析する。特に, 遺伝的アルゴリズムは階層の最も悲観的なクラスに特に有用であることを示す。
論文参考訳（メタデータ） (2024-02-01T09:18:34Z)
Decreasing the Computing Time of Bayesian Optimization using Generalizable Memory Pruning [56.334116591082896]
本稿では,任意のサロゲートモデルと取得関数で使用可能なメモリプルーニングとバウンダリ最適化のラッパーを示す。 BOを高次元または大規模データセット上で実行することは、この時間の複雑さのために難解になる。すべてのモデル実装はMIT Supercloudの最先端コンピューティングハードウェア上で実行される。
論文参考訳（メタデータ） (2023-09-08T14:05:56Z)
Improving Time and Memory Efficiency of Genetic Algorithms by Storing Populations as Minimum Spanning Trees of Patches [0.0]
進化的アルゴリズムでは、演算子を適用し、人口を保存する計算コストは、適合性評価のコストに匹敵する。個体群を最小のスパンニングツリーとして保存することは、頂点が個体に対応するが、それらのメタ情報しか含まない場合において、簡単な実装の代替として実現可能であることを示す。我々の実験は、メモリ使用量と計算コストの両方の観点から、大幅な改善(クロスオーバー演算子の実行を含む)が達成可能であることを示唆している。
論文参考訳（メタデータ） (2023-06-29T05:12:14Z)
Breaking the Linear Iteration Cost Barrier for Some Well-known Conditional Gradient Methods Using MaxIP Data-structures [49.73889315176884]
条件勾配法(CGM)は現代の機械学習で広く使われている。ほとんどの取り組みは、全体の実行時間を短縮する手段として、イテレーションの数を減らすことに重点を置いています。本稿では,多くの基本最適化アルゴリズムに対して,イテレーション毎のコストがパラメータ数にサブ線形である最初のアルゴリズムを示す。
論文参考訳（メタデータ） (2021-11-30T05:40:14Z)
Hybrid gene selection approach using XGBoost and multi-objective genetic algorithm for cancer classification [6.781877756322586]
マイクロアレイデータセットにおける癌分類のための極勾配増強(XGBoost)と多目的最適化遺伝的アルゴリズム(XGBoost-MOGA)を組み合わせた2段階遺伝子選択手法を提案する。 XGBoost-MOGAは、精度、Fスコア、精度、リコールなどの様々な評価基準の観点から、従来の最先端アルゴリズムよりもはるかに優れた結果が得られる。
論文参考訳（メタデータ） (2021-05-30T03:43:22Z)
On the Genotype Compression and Expansion for Evolutionary Algorithms in the Continuous Domain [7.152439554068968]
我々は、遺伝子型が表現型より小さい)遺伝子型圧縮と拡張(表現型より大きい)を考える。我々は,3組の最適化問題に対して,いくつかの進化的アルゴリズムを用いてアプローチを検証した。
論文参考訳（メタデータ） (2021-05-24T18:56:18Z)
Object-Attribute Biclustering for Elimination of Missing Genotypes in Ischemic Stroke Genome-Wide Data [2.0236506875465863]
欠落した遺伝子型は、一般的な疾患や形質の遺伝的変異を識別するための機械学習アプローチの有効性に影響を与える可能性がある。この問題は、異なるDNAマイクロアレイで異なる実験から遺伝子型データを収集する際に起こり、それぞれが無名(欠失)遺伝子型のパターンによって特徴づけられる。我々は、オブジェクト-属性・ビクラスタのよく発達した概念と、二項関係の密接な部分関係に対応する形式的概念を用いる。
論文参考訳（メタデータ） (2020-10-22T12:27:43Z)
Random extrapolation for primal-dual coordinate descent [61.55967255151027]
本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
論文参考訳（メタデータ） (2020-07-13T17:39:35Z)
Supervised Quantile Normalization for Low-rank Matrix Approximation [50.445371939523305]
我々は、$X$ の値と $UV$ の値を行ワイズで操作できる量子正規化演算子のパラメータを学習し、$X$ の低ランク表現の質を改善する。本稿では,これらの手法が合成およびゲノムデータセットに適用可能であることを実証する。
論文参考訳（メタデータ） (2020-02-08T21:06:02Z)
Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文参考訳（メタデータ） (2020-01-06T23:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。