函数式编码构建遗传编程
本文介绍了一种新的基于 Haskell 的基因编程算法 HOTGP,它利用规约的数据类型来约束搜索空间,更好地合成类型良好的纯函数编程。经验结果表明,与其他六种算法相比,HOTGP 在综合正确程序的能力上更为优异。
Apr, 2023
我们提出了 CGP 的现代 C++ 实现的第一个版本,追求面向对象的设计和通用编程范式,以提供一种高效的实现模型,可以方便地在 CGP 领域中发现新的问题领域和实现长期提出的复杂高级方法,从而促进 CGP 领域的解释性、可访问性和再现性。
Jun, 2024
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
使用专门用于计算机视觉的函数集以及适用于矩阵操作的混合类型的 Cartesian 遗传编程,可以生成在 Atari 游戏中较为优秀且需要较少训练时间的控制器行为的程序。
Jun, 2018
本次研究首次提出了基因表达编程作为一种新技术,使用基因型 / 表现型遗传算法的线性和分叉形式来创建计算机程序,使用表达树的编码方式,通过已有的多种变异方法,分别进行染色体的改进,使该算法显著提高了适应性能力,可用于诸如符号回归、无常数创建的序列归纳、堆叠块等一系列问题。其中,基因表达编程的应用十分广泛,尤其在布尔概念学习中有着广泛的应用价值。
Feb, 2001
本文提出了基于 C++ 程序的广义规划(GP)问题及其解法的新型表示方法,该表示方法可以正式证明广义计划的终止,并指定其相对于世界对象数量的渐近复杂度。利用 C++ 广义计划的复杂度特征,可以应用组合搜索按照复杂度的顺序枚举可能的 GP 解的空间。实验结果表明,我们称之为 BFGP++ 的该方法的实现比以往的 GP 作为启发式搜索方法更加优越,用于表示为编译器风格程序的广义计划的计算。最后,C++ 程序在传统规划实例上的执行是无冗余和无搜索的,因此我们的 C++ 表示允许我们在数千个对象的大型测试实例上自动验证计算出的解决方案,而通用的经典规划器则会在预处理或搜索中卡住。
Jun, 2022
使用基于约束的类型推断技术探索了一种类型导向的程序综合方法,以更有效地综合多态代码,并解决建立在多态上的高级类型功能,如 GADTs。辅以我们在 Haskell 编程语言的原型工具 Scythe 中实现的这些技术,并反思我们的初步使用经验。
Jul, 2019
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
本文针对广义规划领域,在引入启发式搜索方法的前提下,提出首个本地启发式搜索方法,定义基于程序的解空间,以实现不同实例规划和不同实例规划大小的独立运行,同时定义 BFGP 算法进行最佳优先搜索,并由不同评估和启发式功能作为指导。
May, 2022
通过遗传编程框架,结合人类控制器的输入数据,创造出有意义的人工玩家,解决现有游戏人物设计中手动编写脚本和规则的瓶颈问题,并提供洞察玩家在游戏中的表现以及相应的模型。
Mar, 2018