专家型个体的词典式选择
神经与进化计算
2020-01-03 v3
摘要
词典式（lexicase）父代选择通过每次考虑一个随机训练用例来过滤种群，剔除在当前用例上误差劣于选择池中最佳误差的任何个体，直到仅剩一个个体。该过程常在考虑所有训练用例之前停止，意味着其将忽略任何尚未被考虑用例上的误差值。因此，词典式选择可以选择在某些训练用例上误差较差的专家型个体，只要它们在其他用例上误差极佳且这些误差位于该次父代选择事件所用随机用例列表的前部。我们在此假设，选择这些可能总误差较差的专家型个体，在词典式选择相对于锦标赛选择等误差聚合父代选择方法所观察到的性能优势中起着重要作用，后者极少选择专家型个体。我们进行了实验以检验该假设，发现当我们剥夺词典式选择选择专家型个体的能力时，其性能与多样性维持均发生退化。这些发现有助于解释词典式选择相对于锦标赛选择的性能提升，并表明专家型个体有助于在词典式选择下驱动进化朝向全局解。
引用
@article{arxiv.1905.09372,
title = {Lexicase Selection of Specialists},
author = {Thomas Helmuth and Edward Pantridge and Lee Spector},
journal= {arXiv preprint arXiv:1905.09372},
year = {2020}
}