带后代选择的遗传规划中交叉算子的成功率研究
神经与进化计算
2013-09-24 v1
摘要
遗传规划（Genetic Programming, GP）是一种强大的启发式搜索技术，用于解决回归、分类和时间序列预测等诸多现实世界应用问题。虽然在以模式定理（schema theorems）形式对遗传规划进行理论描述方面已取得大量进展，但遗传规划的内部动力学和成功因素仍未被完全理解。特别是，不同交叉算子与后代选择（offspring selection）结合时的效应很大程度上尚不清楚。本文揭示了知名 GP 交叉算子在应用于基准问题时产生更优后代的能力。我们得出结论：标准的（子树交换）交叉是与后代选择结合的良好默认选择；而在未施加解大小约束的情况下，采用后代选择并随机选择交叉算子的 GP 可以提高算法在最优解质量方面的性能。
引用
@article{arxiv.1309.5896,
title = {On the Success Rate of Crossover Operators for Genetic Programming with Offspring Selection},
author = {Gabriel Kronberger and Stephan Winkler and Michael Affenzeller and Andreas Beham and Stefan Wagner},
journal= {arXiv preprint arXiv:1309.5896},
year = {2013}
}
备注
The final publication is available at http://link.springer.com/chapter/10.1007/978-3-642-04772-5_102