Arbeitspapier

Multidimensional Scaling and Genetic Algorithms : A Solution Approach to Avoid Local Minima

Multidimensional scaling is very common in exploratory data analysis. It is mainly used to represent sets of objects with respect to their proximities in a low dimensional Euclidean space. Widely used optimization algorithms try to improve the representation via shifting its coordinates in direction of the negative gradient of a corresponding fit function. Depending on the initial configuration, the chosen algorithm and its parameter settings there is a possibility for the algorithm to terminate in a local minimum. This article describes the combination of an evolutionary model with a non-metric gradient solution method to avoid this problem. Furthermore a simulation study compares the results of the evolutionary approach with one classic solution method.

Sprache
Englisch

Erschienen in
Series: Arbeitspapiere zur mathematischen Wirtschaftsforschung ; No. 181

Klassifikation
Wirtschaft
Thema
Heuristisches Verfahren
Mathematische Optimierung
Theorie

Ereignis
Geistige Schöpfung
(wer)
Etschberger, Stefan
Hilbert, Andreas
Ereignis
Veröffentlichung
(wer)
Universität Augsburg, Institut für Statistik und Mathematische Wirtschaftstheorie
(wo)
Augsburg
(wann)
2002

Handle
Letzte Aktualisierung
10.03.2025, 11:43 MEZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Objekttyp

  • Arbeitspapier

Beteiligte

  • Etschberger, Stefan
  • Hilbert, Andreas
  • Universität Augsburg, Institut für Statistik und Mathematische Wirtschaftstheorie

Entstanden

  • 2002

Ähnliche Objekte (12)