是时候以新视角对抗 GP 中的膨胀现象了
神经与进化计算
2021-03-02 v1 人工智能
符号计算
摘要
演化算法的现在与未来取决于对现代并行与分布式计算基础设施的恰当使用。尽管顺序方法仍主导局面，可用的多核、众核与分布式系统将促使用户与研究者更频繁地部署算法的并行版本。在此情形下，当个体被并行评估时节省的时间带来了新的可能。而这种时间节省在遗传编程中尤为相关。本文研究评估时间如何影响并行/分布式系统中求解所需时间，且也可能影响种群中个体的规模演化，并最终缓解 GP 所特有的膨胀现象。本文将时间与空间视为一枚硬币的两面，以设计更自然的对抗膨胀方法。这一新视角使我们理解到可导出新的膨胀控制方法，且此类方法中的第一种被描述并测试。实验数据证实了该方法的效力：以计算时间作为个体复杂度的度量能够控制遗传编程个体的规模增长。
引用
@article{arxiv.2005.00603,
title = {It is Time for New Perspectives on How to Fight Bloat in GP},
author = {Francisco Fernández de Vega and Gustavo Olague and Francisco Chávez and Daniel Lanza and Wolfgang Banzhaf and Erik Goodman},
journal= {arXiv preprint arXiv:2005.00603},
year = {2021}
}