Detail publikace
Graph-based Genetic Programming
Dal Piccol Sotto Léo Françoso
Vašíček Zdeněk, doc. Ing., Ph.D. (UPSY)
Genetic Programming, Cartesian Genetic Programming, Linear Genetic Programming, Parallel Distributed Genetic Programming
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.
@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"
}