本文提出了一种名为 AI Programmer 的机器学习系统,使用遗传算法和一种紧密限制的编程语言自动生成软件程序,并包括嵌入式解释器等特殊设计,经过实验证明其软件生成能力和性能仅需使用主流 CPU 即可实现。
Sep, 2017
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
利用进化计算方法改善演绎程序合成工具 SuSLik 的搜索策略,以加速正确程序的推导,交叉验证结果显示改进后的方法可泛化应用于未预见的问题。
Nov, 2022
该文提出了一种将程序合成作为连续优化问题的新型方法,并使用现代演化方法解决问题,同时提出了一种映射方案将连续形式转换为实际的程序。通过比较 GENESYS 和其他程序综合技术,证明 GENESYS 在相同的时间预算内综合出更多程序。
给出自动软件生成和配置的两个任务,第一个任务进一步分为两个子任务:用基于神经网络的适应度函数和程序跟踪与规范训练的遗传算法合成程序,用协方差矩阵适应演化策略合成程序;第二个任务是使用序列到序列深度学习机制从不同的输入文件(例如软件手册、配置文件、在线博客等)合成大规模软件的配置。
May, 2023
研究了一种基于遗传编程的编程合成方法,利用反射和一级规范来支持进化可能使用任意数据类型、多态和现有代码库中的函数的程序,使用 Hindley-Milner 类型系统可以演化类型安全的程序,并将性能与其他现代遗传编程方法进行比较。
Jun, 2022
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
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
本文中,我们提出了一种混合智能测试方法,结合了 “覆盖向导测试选择” 和 “新颖性驱动验证” 两种方法,以实现高效有效的硬件测试。
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