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

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F24%3A39921850" target="_blank" >RIV/00216275:25530/24:39921850 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/book/10.1007/978-3-031-94770-4" target="_blank" >https://link.springer.com/book/10.1007/978-3-031-94770-4</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-94770-4_5" target="_blank" >10.1007/978-3-031-94770-4_5</a>

Jazyk výsledku

angličtina

Název v původním jazyce

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

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

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

Popis výsledku anglicky

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.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20200 - Electrical engineering, Electronic engineering, Information engineering

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

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)

ISBN

978-3-031-96758-0

ISSN

2367-3370

e-ISSN

2367-3389

Počet stran výsledku

9

Strana od-do

"40 "- 48

Název nakladatele

Springer Science and Business Media

Místo vydání

—

Místo konání akce

online

Datum konání akce

25. 10. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—