Apr, 2022

优化 LLVM Pass sequences 的 Shackleton 框架的遗传改进

PDF
TL;DR本文介绍了一种新颖的基因改进技术，用于寻找特定问题的优化 LLVM 传递序列，结果表明此方法具有自动、无需领域专家知识的特点，并成功地实现了优化结果的改进。
发现论文，激发创造
  • 使用 Shackleton 优化 LLVM Pass 序列：一种线性遗传编程框架

    本研究介绍了 Shackleton 框架，将线性遗传编程技术应用于 LLVM 优化传递的序列优化，实现自动化优化；结果表明，自动优化可以优于手工优化方案。

    Jan, 2022

  • 迭代遗传改进：扩展随机程序合成

    提出了一种名为迭代性遗传改进的基于随机程序综合的新框架，用于以一种更加健壮的方式逐步增加程序的复杂性，并在列表操作和字符串转换上表现出可观的优越性。

    Feb, 2022

  • 机器自动化软件性能改进：MAGPIE

    研究提出了 MAGPIE，一种统一的软件改进框架，可以同时使用编译器优化、算法配置和基因改进等多种提高软件效率的方法，结果显示可同时探索所有技术，提供了使用各个技术的竞争性替代方案。

    Aug, 2022

  • 使用并行遗传算法进行星体结构建模以实现客观全局优化

    使用遗传算法进行全局参数优化，快速在参数空间中探索，成功解决了一些与白矮星天文学有关的问题，并提供了一种新的计算密集型建模应用方法。

    Aug, 2002

  • 利用遗传微程序实现自动化软件测试的大路径覆盖

    利用遗传编程技术开发出一种新的自动化软件测试框架，生成可以重复生成输入值的微程序，从而快速高效地探索软件元件的输入参数范围，同时可应用于多种软件系统。

    Feb, 2023

  • 信息几何优化的目标改进

    Information-Geometric Optimization 是一种利用概率分布族和 Fisher metric 来优化适应性函数的方法，透过自适应变换及更新参数来优化目标函数，其适用于不同概率分布族，如 Bernoulli 及 Gaussian 分布族及指数族；本文证明其任何小于等于 1 的步长都能保证上升的单调改进，并延伸到涉及到不同步长及被选择的个体的情况下。

    Nov, 2012

  • 遗传工程算法（GEA）：一种高效的元启发式算法用于解决组合优化问题

    提出了一种基于遗传工程概念的新元启发算法 —— 遗传工程算法（GEA），通过重新设计传统遗传算法并引入新的搜索方法，以基于已有基因的选择来孤立、提纯、插入和表达新基因，从而产生具有所选基因的特定染色体，旨在解决遗传算法中的限制问题。与现有算法在基准实例上进行的比较评估表明，GEA 具有卓越的性能，展示了其作为组合优化问题的创新高效解决方案的潜力。

    Sep, 2023

  • 天文学和天体物理学中的遗传算法

    该文介绍了遗传算法（GAs）在计算优化问题中的应用，以及在天文学和天体物理学中的实用性。

    Feb, 2012

  • 数字量子模拟的遗传算法

    利用遗传算法提高数字量子模拟的灵活性，可以增加数字量子模拟协议的保真度和优化资源使用效率，并适应实验性约束，在减少数字误差和量子门的实验误差方面起到作用，通过添加辅助比特，设计由不完美门组成的模块化门，其保真度高于任何组成门的保真度，并且对不同门误差具有韧性。

    Dec, 2015

  • 基因蒸馏的政策优化

    本文提出一种新的基因算法，名为遗传策略优化（GPO），用于样本有效的深度策略优化，通过状态空间中的模仿学习进行策略交叉并应用策略梯度方法进行变异，实验结果表明，GPO 优于现有的策略梯度方法，并实现了相当或更高的样本效率。

    Nov, 2017