Detail publikace

Graph-based Genetic Programming

KALKREUTH, R.; DAL PICCOL SOTTO, L.; VAŠÍČEK, Z. Graph-based Genetic Programming. In GECCO 2022 Companion - Proceedings of the 2022 Genetic and Evolutionary Computation Conference. Boston: Association for Computing Machinery, 2022. p. 958-982. ISBN: 978-1-4503-9268-6.
Název česky
Varianty genetického programování využívající grafové reprezentace
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Kalkreuth Roman, M.Sc., Ph.D. (FIT)
Dal Piccol Sotto Léo Françoso
Vašíček Zdeněk, doc. Ing., Ph.D. (UPSY)
Klíčová slova

Genetic Programming, Cartesian Genetic Programming, Linear Genetic Programming, Parallel Distributed Genetic Programming

Abstrakt

Klasickým způsobem reprezentace programů v genetickém programování (GP) je strom výrazů, nicméně v průběhu let byly navrženy různé varianty GP s alternativními reprezentacemi. Jednou z takových reprezentací je orientovaný acyklický graf (Directed Acyclic Graph - DAG), který byl adoptován metodami jako kartézské genetické programování (Cartesian Genetic Programming - CGP), lineární genetické programování (Linear Genetic Programming - LGP), paralelní distribuované genetické programování (Parallel Distributed Genetic Programming - PDGP) a nebo metodou tzv. grafového programování (Evolving Graphs by Graph Programming - EGGP). Cílem tohoto tutoriálu je podívat se na tyto metody z jednotného pohledu jako na GP založené na grafech, představit jejich historické pozadí, reprezentační vlastnosti, operátory, aplikace a dostupné implementace.

Rok
2022
Strany
958–982
Sborník
GECCO 2022 Companion - Proceedings of the 2022 Genetic and Evolutionary Computation Conference
Konference
Genetic and Evolutionary Computations Conference 2022, Boston, US
ISBN
978-1-4503-9268-6
Vydavatel
Association for Computing Machinery
Místo
Boston
DOI
UT WoS
001035469400230
EID Scopus
BibTeX
@inproceedings{BUT180545,
  author="Roman {Kalkreuth} and Léo Françoso {Dal Piccol Sotto} and Zdeněk {Vašíček}",
  title="Graph-based Genetic Programming",
  booktitle="GECCO 2022 Companion - Proceedings of the 2022 Genetic and Evolutionary Computation Conference",
  year="2022",
  pages="958--982",
  publisher="Association for Computing Machinery",
  address="Boston",
  doi="10.1145/3520304.3533657",
  isbn="978-1-4503-9268-6"
}
Nahoru