Apr, 2022

整数遗传程序设计中的失败中断传播

PDF
TL;DR通过将随机值注入到高度进化的深度整数遗传程序树中进行评估，本文发现交叉和变异的影响消失并且很少传播到程序之外，而信息论解释了本地平坦的适应度景观归功于 FDP，因此整数遗传编程具有强鲁棒性，对 Lorenz 蝴蝶的影响很小。
genetic programmingevolutionary algorithmsinformation theorysoftware robustnesssoftware testing
发现论文，激发创造
  • (1+1) 遗传规划使用功能完备指令集可以演化出任意小误差的布尔与和或

    使用 GP 系统和完全函数集可以高效地求解 n 个变量的布尔合取或析取问题，同时引入了超乘积漂移定理以给出更强的运行时间上限。

    Mar, 2023

  • 深度信息传播

    通过平均场理论研究未经训练的神经网络的行为，并显示相应的深度尺度限制了信号在这些随机网络中传播的最大深度；研究表明，dropout 破坏了有序到混沌临界点，因此强烈地限制了随机网络的最大可训练深度；我们开发了后向传播的平均场理论，证明了有序和混沌相位分别对应于梯度消失和梯度爆炸的区域。

    Nov, 2016

  • 频繁到来：基因型 - 表型图中的偏见如何引导群体走向局部最优点

    本研究探究了基因型表型图对于单倍体 Wright-Fisher 模型的进化动力学的影响，结果表明表现型频数大的现象更容易出现，并且即使具有更高适应度但频数小的表型也很难在人口中趋于固定，这表明进化遵循了非人类学的规则。

    Feb, 2014

  • 神经网络验证的优化符号化区间传播

    本文提出了一种新的基于符号区间传播和变量分裂的分支定界求解器 DPNeurifyFV，该方法采用新的启发式算法来选择区间变量，以改善变量相关性问题，在结合其他改进措施的情况下，可以显著提高深度学习神经网络验证的效率，并在空中碰撞避免网络 ACAS Xu 上实现了运行时改进。

    Dec, 2022

  • 可微分遗传规划用于高维符号回归

    本研究提出了一种名为 DGP 的可微分方法，用于高维符号回归，其包括新的数据结构、采样方法和多样化机制等。实验证明，该方法能够有效地优化生成树，取得了在高维回归基准测试中优于同行竞争者的性能，并且即使在不同噪声水平下，也能够实现最佳恢复率。

    Apr, 2023

  • 单位感知遗传编程用于经验方程的发展

    本论文提出了一种维度分析的方法，将未知单位作为 “小丑” 传播并返回单位违规的数量。我们提出了三种方法，即进化修剪、修复机制和多目标方法，以将维度分析集成到遗传编程算法中。对于有完整真实数据的数据集，实验证明进化修剪和多目标方法与无维度分析的基准方法具有可比较的性能。对于没有完整真实数据的数据集，对结果进行广泛分析表明，单位感知的算法在保持较高准确性的同时产生单位合规的解决方案。总体而言，我们提出了一种有前景的新方法，用于开发单位合规的经验方程。

    May, 2024

  • 较大的后代种群有助于 $(1 + (λ, λ))$ 遗传算法克服噪声

    研究一种遗传算法对于评估函数中噪声的鲁棒性，特别地，较大的后代人口规模通常会带来更强的鲁棒性。实验结果表明，该算法比其他算法更具有鲁棒性。

    May, 2023

  • 信念传播快速收敛于全局最优解：超越相关性衰减

    研究图模型中 “信念传播” 的收敛性及其在 Ising 模型中的应用。

    May, 2019

  • 适度数量的种群可证明具有强健的抗噪性

    基于数学运行时间分析，该研究表明在具有先前的比特噪声的情况下，(1+λ) 和 (1,λ) 进化算法都可以容忍恒定的噪声概率而不增加 OneMax 基准测试的渐近运行时间。

    Apr, 2024

  • 进化算法运行时间下界的新方法

    从适应度水平分区、适应度水平间的转移概率等方面，提出了一种新的证明进化算法期望运行时间下界的方法，可获得 LO、OneMax、long k-paths 以及具有唯一最优解的所有函数的确切或近似下界，并可用于决定适当的最佳变异率，从而最小化期望的适应度计算次数。

    Sep, 2011