提高遗传规划解泛化能力的技术综述
神经与进化计算
2014-04-08 v1
摘要
在使用遗传规划（GP）进行经验建模的领域，演化出具有良好泛化能力的解至关重要。GP 解的泛化能力受到两个重要问题的影响：膨胀（bloat）和过拟合。我们调查并分类了 GP 研究社区用于处理这些问题的不同技术的现有文献。我们还指出了这些技术（如果存在）的局限性。此外，还讨论了不同膨胀控制方法的分类以及针对膨胀和过拟合的度量措施。我们相信这项工作将通过以下方式对 GP 从业者有所帮助：(i) 更好地理解 GP 中的泛化概念；(ii) 比较现有的膨胀和过拟合控制技术；(iii) 选择合适的方法来提高 GP 演化解的泛化能力。
引用
@article{arxiv.1211.1119,
title = {A Survey on Techniques of Improving Generalization Ability of Genetic Programming Solutions},
author = {Vipul K. Dabhi and Sanjay Chaudhary},
journal= {arXiv preprint arXiv:1211.1119},
year = {2014}
}