SGP-DT：基于动态目标的语义遗传编程
神经与进化计算
2020-02-03 v1
摘要
语义 GP 是一种在遗传进化过程中引入语义感知的有前景的方法。本文提出一种基于动态目标（SGP-DT）的新语义 GP 方法，该方法将搜索问题划分为多次 GP 运行。每次运行中的进化由基于残差误差的新（动态）目标引导。为获得最终解，SGP-DT 使用线性缩放组合每次运行的解。SGP-DT 提出了一种不依赖经典交叉的产生后代的新方法。该方法与线性缩放的协同作用产生了具有低近似误差与计算成本的最终解。我们在八个知名数据集上评估 SGP-DT，并与最先进的进化技术 {\epsilon}-lexicase 进行比较。SGP-DT 取得了较小的 RMSE 值，平均比 {\epsilon}-lexicase 小 23.19%。
引用
@article{arxiv.2001.11535,
title = {SGP-DT: Semantic Genetic Programming Based on Dynamic Targets},
author = {Stefano Ruberto and Valerio Terragni and Jason H. Moore},
journal= {arXiv preprint arXiv:2001.11535},
year = {2020}
}
备注
16 pages, European Conference on Genetic Programming (EuroGP 20)