用加速遗传算法选择训练群体（及其他子集选择问题）（STPGA：一个用遗传算法选择训练群体的 R 包）
统计方法学
2017-02-28 v1 机器学习
基因组学
定量方法
应用统计
摘要
最优子集选择是一项重要任务，已有众多算法为其设计，并拥有许多应用领域。STPGA 包含一个特殊的遗传算法，辅以禁忌记忆特性（跟踪先前尝试过的解及其适应度，持续若干次迭代），以及基于解的编码对其适应度进行回归，用以形成理想估计解（前瞻特性），以搜索通用最优子集选择问题的解。我最初为基因组预测或关联问题中选择训练群体这一特定问题开发了这些程序，因此我讨论了最优试验设计背后的理论，以解释 STPGA 中的默认优化准则，并说明了程序在这项工作中的使用。尽管如此，我还挑选了其他几个应用领域：基于核对齐的有监督和无监督变量选择、基于设计准则的有监督变量选择、回归中的影响观测识别、求解混合整数二次优化问题、在育种群体中平衡增益与近交。其中一些说明涉及新的统计方法。
引用
@article{arxiv.1702.08088,
title = {Selection of training populations (and other subset selection problems) with an accelerated genetic algorithm (STPGA: An R-package for selection of training populations with a genetic algorithm)},
author = {Deniz Akdemir},
journal= {arXiv preprint arXiv:1702.08088},
year = {2017}
}