遗传规划代理模型中距离度量的线性组合
神经与进化计算
2018-07-04 v1
摘要
代理模型是连续优化中减少昂贵函数评估次数的一种成熟方法。在遗传规划的语境下，由于复杂的基因型-表型关系，代理建模仍是一项挑战。我们研究不同的基因型和表型距离度量如何被用于学习作为代理的Kriging模型。我们比较这些度量，并建议在核中使用它们的线性组合。我们在一个优化框架中测试所得模型，使用符号回归问题实例作为基准。我们的实验表明该模型提供了有价值的信息。首先，与无模型算法相比，该模型实现了改进的优化性能。此外，该模型提供了关于不同距离度量贡献的信息。数据表明，在可用数据较少的优化运行早期阶段，表型距离度量很重要。相反，诸如树编辑距离之类的基因型度量在后期阶段贡献更多。
引用
@article{arxiv.1807.01019,
title = {Linear Combination of Distance Measures for Surrogate Models in Genetic Programming},
author = {Martin Zaefferer and Jörg Stork and Oliver Flasch and Thomas Bartz-Beielstein},
journal= {arXiv preprint arXiv:1807.01019},
year = {2018}
}
备注
The final authenticated version of this publication will appear in the proceedings of the 15th International Conference on Parallel Problem Solving from Nature 2018 (PPSN XV), published in the LNCS by Springer