問題タブ [genetic-programming]

現在、遺伝的プログラミング ライブラリとしてRGPを使用しています。別のライブラリのアイデア (より良いドキュメント、より積極的な開発など) がある場合は、あなたの提案を聞きたいです。

問題はかなり単純です。R で n 個のパラメーターを持つ関数が与えられた場合、遺伝的プログラミングを使用してグローバル最小値を見つけるにはどうすればよいでしょうか。サンプル プログラムの 1 つを変更してみましたが、この例では線形回帰が使用されているようで、私の状況では適切ではないと思います。

誰かが私が使用できるサンプルコードを持っていますか?

JGAPを使用して回路図面のテストベクトルを生成しています。染色体の遺伝子をビットに設定することで、単一のテストベクトルを最大限にカバーできました。ここで、最小数のテストベクトルで100％のカバレッジを取得する必要があります。

各遺伝子をテストベクターとして設計する場合、idは遺伝子の数と総カバレッジに基づいて適応度関数を計算する必要があり、idは染色体の長さと各testvectors（遺伝子）ビットの両方を進化させる必要もあります。

可変長の染色体を持つことさえ可能ですか？

このタイプのタスクの標準設計はありますか？

次の擬似コードのように確率を見つけることなく、適応度の値を使用して母集団の各個人を評価することは可能ですか？

そして、コードの次の部分は何をしますか？

ルーレット盤が親のペアを選択する方法を本当に混乱させます。何か助けてもらえますか？前もって感謝します

クロスオーバー確率の例を挙げられる人はいますか? 交叉確率を決定する利点と、遺伝的アルゴリズムまたは遺伝的プログラミングに与える影響を知りたいです。

Ranked Selection ("RS") と Stochastic Universal Sampling ("SUS") [ Baker, 1987 ] を実装したので、ここで Elitism (最も適した最後の世代のメンバーを次世代に再導入すること) を導入して、その主張されている利点を観察したいと思います。 .

An Introduction to Genetic Algorithms のMelanie Mitchell によるものなど、SUS と Elitism が組み合わされていることへの言及があります。ただし、2 つの方法の組み合わせを避けるべきであることを示唆する (非常に漠然とした) オンライン リファレンスに出くわしました。後者の場合、間違った実装が 2 つのメソッドの非互換性の原因なのだろうか。

したがって、GP の経験が豊富な人が、SUS と Elitism をどのように組み合わせる必要があるかについて説明してくれるとありがたいです。2 つのメカニズムに関する私の知識から、論理的な実装は、母集団サイズ N から K 個の最も適した個人を選択し、次にランク付けされた母集団全体 (K エリートを含む) に対して SUS を実行しますが、NK 選択のみを行います (N 個の選択の代わりに)。エリート主義なしで行われる）。

この提案された実装が数学的に健全であり、推奨されるアプローチであることを誰かが確認できますか?

誰かがlgpの個人からイントロンを削除するために使用される特定のアルゴリズムを教えてもらえますか？

ありがとうございました

直感的に、「最高の」パラメータ セットを見つけたい場合は、多くの子供たちのサブセットから最高のパフォーマンスを発揮する 1 人の男を選び、その男に自分に似た 100 人の子供を生成させ、最高のパフォーマーを選ぶことができると思います。繰り返します。ベスト 2 を選んで交配することは、具体的にどのような目的に役立ちますか? さらに言えば、3 人、4 人、または 10 人の親 (「乱交由来」の接合子) を選択して、各世代の子供を作成してみませんか?

これについてのご意見をお待ちしております。遺伝的プログラミングの助けを借りて回帰モデルを構築しています。

データの比率が 1:5 の場合、テスト データの RMSE がトレーニング データの RMSE よりも (はるかに) 低い場合、心配する必要がありますか?

テスト データは、24 個のデータ ポイントのセットから置換なしでランダムに抽出されます。モデルは遺伝的プログラミング手法を使用して構築されたため、GP ツリーのノード数によって正則化されたトレーニング RMSE を最小限に抑えるため、機能の数、モデリング フレームワークなどは異なります。

モデルは適合不足ですか？または、RMSE の代わりに MSE を最小化する必要があります (オプティマイザが最小値を見つけるのに十分であると仮定すると、MSE が正であり、MSE の最小値が RMSE の最小値と一致するのと同じだと思いました)?

Tks

jenesライブラリ (チュートリアル 5: ObjectChromosome </a>)で提供されている Java の例を実装しました。集団内の個人はすべて同じであることがわかりました (つまり、無作為化は行われていません)。

jenesライブラリのランダム メソッドが母集団に対して機能しない理由を知っている人はいますか?

私は特定の問題を解決しようとはしていないので、これは一般的な関心事です。私はこの分野をカバーするいくつかの記事を探すために周りを見回しましたが、いくつかの良い検索用語をまとめるのにさえ苦労しています。

私が知っていることから始めましょう。私は10年前に卒業して以来、あまり遊んでいませんが、遺伝的プログラミングやより幅広いクラスの進化的アルゴリズムを含むAIの大学レベルの教育を受けています。これらのアプローチを使用して、問題を解決するためのマシンコード（おそらくx86、またはいくつかの「任意の」命令セット）を作成できるかどうか疑問に思います。平方根を計算したり、画面に心地よい画像を描いたりできるアルゴリズムなど、アルゴリズム自体を進化させることはできますか？進化的アルゴリズムを使用して、最適化されたコード（サイズ、速度など）を作成するコンパイラ全体を作成できますか？

さらに、遺伝的プログラミングや進化的アルゴリズムは、それ自体では種の進化の良い証拠ではないとよく思いました。進化的アルゴリズムを含む問題解決アプローチには、常にインテリジェンスを書き込む必要があるようです。真に興味深く驚くべき結果が真に発生するような方法で、人はどのようにして真に進化的なアルゴリズムを作成するのでしょうか。

TLDR：進化的アルゴリズムの使用は、ある種の機械語の作成に役立つ可能性がありますか。また、進化的アルゴリズムの一般的な例として、本当に興味深く驚くべき結果が得られたものはありますか？

ニック