Approximation guarantees for parallelized maximization of monotone non-submodular function with a cardinality constraint

Emerging applications in machine learning have imposed the problem of monotone non-submodular maximization subject to a cardinality constraint. Meanwhile, parallelism is prevalent for large-scale optimization problems in bigdata scenario while adaptive complexity is an important measurement of paral...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of combinatorial optimization Ročník 43; číslo 5; s. 1671 - 1690
Hlavní autoři:	Cui, Min, Xu, Dachuan, Guo, Longkun, Wu, Dan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.07.2022 Springer Nature B.V
Témata:	Adaptive algorithms Approximation Combinatorics Convex and Discrete Geometry Machine learning Mathematical analysis Mathematical Modeling and Industrial Mathematics Mathematics Mathematics and Statistics Maximization Operations Research/Decision Theory Optimization Theory of Computation Non-submodular optimization Submodularity ratio Parallel algorithm Cardinality constraint
ISSN:	1382-6905, 1573-2886
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!