ACCELERATED BAYESIAN OPTIMIZATION ALGORITHMS FOR ADVANCED HYPERGRAPH PARTITIONING, accepted paper

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F03%3APU42543" target="_blank" >RIV/00216305:26230/03:PU42543 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

ACCELERATED BAYESIAN OPTIMIZATION ALGORITHMS FOR ADVANCED HYPERGRAPH PARTITIONING, accepted paper

Popis výsledku v původním jazyce

The paper summarizes our recent work on the design, analysis and applications of the Bayesian optimization algorithm (BOA) and its advanced accelerated variants for solving complex - sometimes NP-complete - combinatorial optimization problems from circuit design. We review the methods for accelerating BOA for hypergraph-partitioning problem. The first method accelerates the convergence of sequential BOA by utilizing specific knowledge about the optimized problem and the second method is based on the parrallel construction of a probabilistic model. In the experimental part we analyze the advantages of acceleration techniques and prove that BOA is able to solve hypergraph partitioning problems reliably, effectively, and without the need for specifying control parameters and encoding schemes as in recombination-based genetic algorithms.

Název v anglickém jazyce

ACCELERATED BAYESIAN OPTIMIZATION ALGORITHMS FOR ADVANCED HYPERGRAPH PARTITIONING, accepted paper

Popis výsledku anglicky

The paper summarizes our recent work on the design, analysis and applications of the Bayesian optimization algorithm (BOA) and its advanced accelerated variants for solving complex - sometimes NP-complete - combinatorial optimization problems from circuit design. We review the methods for accelerating BOA for hypergraph-partitioning problem. The first method accelerates the convergence of sequential BOA by utilizing specific knowledge about the optimized problem and the second method is based on the parrallel construction of a probabilistic model. In the experimental part we analyze the advantages of acceleration techniques and prove that BOA is able to solve hypergraph partitioning problems reliably, effectively, and without the need for specifying control parameters and encoding schemes as in recombination-based genetic algorithms.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F02%2F0503" target="_blank" >GA102/02/0503: Predikce a ladění paralelní výkonnosti</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2003

Kód důvěrnosti údajů

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

Název statě ve sborníku

Procceedings of MENDEL 2003

ISBN

80-214-2411-7

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

133-141

Název nakladatele

Faculty of Mechanical Engineering BUT

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

9. 5. 2003

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—