Detail publikace

Adaptive Fitness Predictors in Coevolutionary Cartesian Genetic Programming

DRAHOŠOVÁ, M.; SEKANINA, L.; WIGLASZ, M. Adaptive Fitness Predictors in Coevolutionary Cartesian Genetic Programming. EVOLUTIONARY COMPUTATION, 2019, vol. 27, no. 3, p. 497-523. ISSN: 1063-6560.
Název česky
Adaptivní prediktory fitness v koevolučním kartézském genetickém programování
Typ
článek v časopise
Jazyk
anglicky
Autoři
Drahošová Michaela, Ing., Ph.D. (UPSY)
Sekanina Lukáš, prof. Ing., Ph.D. (UPSY)
Wiglasz Michal, Ing.
Klíčová slova

Cartesian genetic programming, coevolutionary algorithms, fitness prediction, symbolic regression, evolutionary design, image processing.

Abstrakt

V genetickém programování (GP) jsou často počítačové programy ko-evolvovány s podmnožinami trénovacích data, které se nazývají prediktory fitness. Pro maximalizaci výkonnosti GP je důležité najít co nejlepší parametry koevoluce, zejména velikost prediktoru fitness. To je však velmi časově náročný proces, protože velikost prediktoru fitness závisí na dané aplikaci a je třeba provést mnoho experimentů k nalezení vhodného prediktoru. Článek představuje novou metodu, která automatizovaně adaptuje prediktor a jeho velikost pro daný problém, což redukuje nejen dobu evolučního běhu, ale i dobu potřebnou pro ladění evolučního algoritmu. Metoda byla implementována pro kartézské genetické programování (CGP) a vyhodnocena pomocí pěti úloh symbolické regrese a při návrhu tří typů obrazových filtrů. V porovnání se třemi různými implementacemi CGP navržená metoda vedla ke snížení doby evoluce při zachování kvality dosažených výsledků.

Rok
2019
Strany
497–523
Časopis
EVOLUTIONARY COMPUTATION, roč. 27, č. 3, ISSN 1063-6560
DOI
10.1162/evco_a_00229
UT WoS
000483650900005
EID Scopus
2-s2.0-85071745594
BibTeX 
@article{BUT159961,
  author="Michaela {Drahošová} and Lukáš {Sekanina} and Michal {Wiglasz}",
  title="Adaptive Fitness Predictors in Coevolutionary Cartesian Genetic Programming",
  journal="EVOLUTIONARY COMPUTATION",
  year="2019",
  volume="27",
  number="3",
  pages="497--523",
  doi="10.1162/evco\{_}a\{_}00229",
  issn="1063-6560",
  url="https://www.fit.vut.cz/research/publication/11206/"
}
Nahoru