基因程序设计与概率递增程序演化的可扩展性
神经与进化计算
2007-05-23 v1 人工智能
摘要
本文讨论了标准基因程序设计 (GP) 和概率递增程序演化 (PIPE) 的可扩展性。为检验有效混合和 linkage learning 的必要性，考虑了两个测试问题：ORDER 问题——任何基于重组的 GP 都相当容易解决；TRAP 或欺骗陷阱问题——需要算法学习 terminals 子集之间的相互作用。可扩展性结果表明，GP 和 PIPE 在简单 ORDER 问题上均呈多项式规模增长，但在欺骗问题上则呈指数规模增长。这表明当无需考虑相互作用时，标准重组已足够；但对于某些问题，linkage learning 是必需的。这些结果与二进制字符串基因算法中的经验教训一致。此外，本文还考察了引入不必要和无关原始码对 GP 和 PIPE 性能的影响。
引用
@article{arxiv.cs/0502029,
title = {Scalability of Genetic Programming and Probabilistic Incremental Program Evolution},
author = {Radovan Ondas and Martin Pelikan and Kumara Sastry},
journal= {arXiv preprint arXiv:cs/0502029},
year = {2007}
}
备注
Submitted to GECCO-2005