Detail publikace
Cartesian Genetic Programming as an Optimizer of Programs Evolved with Geometric Semantic Genetic Programming
Sekanina Lukáš, prof. Ing., Ph.D. (UPSY FIT VUT)
V geometrickém sémantickém genetickém programování (GSGP) pracují genetické operátory na úrovni sémantiky a ne syntaxe. To přináší mnohé výhody, zejména kvalitnější programy (s ohledem na chybovost) než běžné genetické programování. Na druhou stranu jsou tyto programy velmi složité, což znemožňuje jejich využití v systémech s omezenými zdroji, např. ve vestavěných systémech. V článku představujeme podstromové kartézské genetické programování (SCGP), tj. metodu umožňující redukovat počet uzlů v programech produkovaných GSGP. SCGP aplikuje běžné CGP na všechny podstromy náležící k řešení vytvořenému GSGP a na různé kompozice těchto podstromů s cílem zmenšit velikost výsledného programu. SCGP negarantuje sémantickou ekvivalenci mezi výstupy CGP a GSGP, ale uživatel může definovat podmínky, kdy je výsledek optimalizace provedené CGP akceptovatelný. SCGP bylo ověřeno na několika testovacích úlohách, ve kterých umožnilo snížit počet uzlů v programech od 92.4% do 99.9%.
@INPROCEEDINGS{FITPUB11859, author = "Ond\v{r}ej Kon\v{c}al and Luk\'{a}\v{s} Sekanina", title = "Cartesian Genetic Programming as an Optimizer of Programs Evolved with Geometric Semantic Genetic Programming", pages = "98--113", booktitle = "Genetic Programming 22nd European Conference, EuroGP 2019", year = 2019, location = "Cham, CH", publisher = "Springer International Publishing", ISBN = "978-3-030-16669-4", doi = "10.1007/978-3-030-16670-0\_7", language = "english", url = "https://www.fit.vut.cz/research/publication/11859" }