遗传编程在符号回归中的低效性
神经与进化计算
2026-03-30 v2 星系天体物理
天体物理仪器与方法
摘要
我们在实际相关但受限的设置中分析了遗传编程在符号回归中的搜索行为，允许对所有解进行穷举枚举。这使我们能够量化找到最佳可能表达式的成功概率，并将遗传编程的搜索效率与语义唯一表达式空间中的随机搜索进行比较。这一分析得益于改进的等式饱和算法，我们使用该算法改进了穷举符号回归算法；该算法产生语义唯一表达式结构的集合，比完整的符号回归搜索空间小几个数量级。我们比较了在唯一表达式集合中的随机搜索和遗传编程的效率。在我们的实验中，我们使用了两个真实世界数据集，其中符号回归已被用于产生拟合良好的单变量表达式：粗糙管中流动的Nikuradse数据集和星系动力学的径向加速度关系。结果表明，在这种受限设置下，遗传编程仅探索了所有唯一表达式的一小部分，并且重复评估与已访问表达式同余的表达式。
引用
@article{arxiv.2404.17292,
title = {The Inefficiency of Genetic Programming for Symbolic Regression},
author = {Gabriel Kronberger and Fabricio Olivetti de Franca and Harry Desmond and Deaglan J. Bartlett and Lukas Kammerer},
journal= {arXiv preprint arXiv:2404.17292},
year = {2026}
}