Detail publikace
Towards Efficient Semantic Mutation in CGP: Enhancing SOMOk
Genetické programování, Návrh Booleovských funkcí
Genetické programování (GP) a jeho varianty se osvědčily jako slibné techniky pro řešení problémů v různých oblastech. GP však je obecně hůře škálovatelné, zejména při použití pro symbolickou regresi v booleovské doméně. Aby se toto omezení vyřešilo, byl navržen sémanticky orientovaný mutační operátor (SOMO) a integrován do kartézského genetického programování (CGP). Nicméně, stejně jako standardní GP, i SOMO v některých případech trpí nadměrným růstem velikosti řešení bez odpovídajícího zvýšení výkonu. Tato práce představuje SOMOk-TS, rozšíření SOMO, které zahrnuje takzvanou strategii Tumor Search pro identifikaci a zachování znovu použitelných substruktur. SOMOk-TS podporuje opětovné použití substruktur prostřednictvím mechanismu inspirovaného imunitním systémem, čímž snižuje výpočetní zátěž. Dosahuje výrazně kratších časů návrhu při zachování nebo zlepšení kompaktnosti řešení, což podtrhuje jeho potenciál pro škálovatelné a efektivní evoluční navrhování.
@INPROCEEDINGS{FITPUB13476, author = "Luk\'{a}\v{s} Pleva\v{c} and Zden\v{e}k Va\v{s}\'{i}\v{c}ek", title = "Towards Efficient Semantic Mutation in CGP: Enhancing SOMOk", pages = "2172--2176", booktitle = "Proceedings of the Genetic and Evolutionary Computation Conference Companion", year = 2025, location = "Malaga, ES", publisher = "Association for Computing Machinery", ISBN = "979-8-4007-1464-1", doi = "10.1145/3712255.3734289", language = "english", url = "https://www.fit.vut.cz/research/publication/13476" }