分析笛卡尔遗传编程中重排策略的影响
神经与进化计算
2024-10-02 v1
摘要
笛卡尔遗传编程 (CGP) 存在一种特定限制：位置偏差，即大多数基因位于基因组开头时对程序输出贡献最大，而位于末尾的基因很少发挥作用。这可能导致 CGP 的整体性能更差。克服位置偏差的一种方法是引入重排方法，这些方法在不改变其相应表型的前提下，对当前的基因型进行洗牌。目前有两种不同的重排算子可用于扩展经典 CGP 公式并提高其适应值。在本文中，我们讨论了这两种现有算子可能的不足之处。随后，我们引入了三个新的算子，用于对由 CGP 定义的图的基因型进行重排。我们在四个布尔型和四个符号回归基准测试上进行经验验证，表明使用带有重排方法的 CGP 可缩短找到解答的迭代次数和/或提高适应值。然而，没有一致表现最佳的重排算子。此外，通过 investigating their 收敛图，我们分析了它们的行为，表明所有算子在收敛类型方面表现相同。
引用
@article{arxiv.2410.00518,
title = {Analysing the Influence of Reorder Strategies for Cartesian Genetic Programming},
author = {Henning Cui and Andreas Margraf and Jörg Hähner},
journal= {arXiv preprint arXiv:2410.00518},
year = {2024}
}