Přehled o publikaci
2015
Choice of optimization routine for multi-agent models: A case of viral video marketing campaign
KVASNIČKA, MichalBasic information
Original name
Choice of optimization routine for multi-agent models: A case of viral video marketing campaign
Name in Czech
Volba optimalizační rutiny pro multiagentové modely: případ virální video-marketingové kampaně
Authors
KVASNIČKA, Michal
Edition
Plzeň, 33rd International Conference Mathematical Methods in Economics Conference Proceedings, p. 449-454, 6 pp. 2015
Publisher
University of West Bohemia
Other information
Language
English
Type of outcome
Proceedings paper
Field of Study
Economics
Country of publisher
Czech Republic
Confidentiality degree
is not subject to a state or trade secret
Publication form
electronic version available online
Marked to be transferred to RIV
Yes
RIV identification code
RIV/00216224:14560/15:00083847
Organization
Ekonomicko-správní fakulta – Repository – Repository
ISBN
978-80-261-0539-8
UT WoS
Keywords (in Czech)
optimalizace; genetický algoritmus; mutation hill climbing; simulace; multiagentový model; sociální síť; virální video-marketing
Keywords in English
optimization; genetic algorithm; mutation hill climbing; simulation; agent-based model; social network; viral video marketing
Links
MUNI/A/1203/2014, interní kód Repo.
Changed: 2/9/2020 06:44, RNDr. Daniel Jakubík
In the original language
Very few agent-base computational models are optimized because the usually used optimization routine, the genetic algorithm, is extremely time-consuming. This paper explores how much precision is lost if a simpler optimization routine, mutational hill climber, is used instead. It shows on the case of a viral-video marketing model that even though the standard genetic algorithm is slightly more precise, the mutation hill climbing could be used as an approximate optimization routine for robustness check and scenario analysis.
In Czech
Jen málo multiagentových modelů je optimalizováno, protože obvykle užívaná optimalizační rutina, genetické algoritmy, jsou extrémně výpočetně náročné. Tento článek zkoumá, jak velká část přesnosti se ztratí, pokud je použita jednodušší optimalizační rutina, mutational hill climber. Článek ukazuje na příkladu virální video-marketingové kampaně, že ačkoli je standardní genetický algoritmus poněkud přesnější, mutation hill climbing může být použit jako přibližná optimalizační rutina pro ověření robustnosti a analýzu scénářů.
