遗传编程中字典序选择与传统选择方法在符号回归上的性能分析
神经与进化计算
2025-03-20 v2
摘要
近年来，由于标准字典序选择在各种应用领域的成功，出现了多种字典序选择变体。对于符号回归问题，使用epsilon阈值或训练样本批次等变体导致了性能提升。最近，尤其是结合字典序选择和下采样策略的变体受到了大量关注。本文在一系列符号回归问题上评估了最相关的字典序选择方法以及与传统选择方法结合不同下采样策略的表现。与大多数工作不同，我们不仅在给定的评估预算上比较方法，还在给定的时间预算上比较，因为时间在实践中通常是有限的。我们发现，对于给定的评估预算，结合下采样策略的epsilon字典序选择优于所有其他方法。如果给定的运行时间非常短，使用训练样本批次的字典序选择变体表现最佳。此外，我们发现锦标赛选择与信息性下采样的组合在所有研究设置中表现良好。
引用
@article{arxiv.2407.21632,
title = {A Performance Analysis of Lexicase-Based and Traditional Selection Methods in GP for Symbolic Regression},
author = {Alina Geiger and Dominik Sobania and Franz Rothlauf},
journal= {arXiv preprint arXiv:2407.21632},
year = {2025}
}