Mutace v kartézském genetickém programování
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá zkoumáním různých druhů mutací v kartézském genetickém programování (CGP) na úlohách symbolické regrese. CGP je druh evolučního algoritmu, který pracuje se spustitelnými strukturami. Mutace je u CGP hlavním genetickým operátorem a v kombinaci s ohodnocením zabírá nejdelší dobu běhu algoritmu. Nalezení lepšího druhu mutace proto může výrazně zrychlit tvorbu nových jedinců, a tak i zkrátit dobu běhu algoritmu. Tato práce představuje čtyři druhy mutací používané v CGP. Experimenty porovnávají tyto mutační operátory při řešení pěti úloh symbolické regrese. Ukazuje se, že vhodnou volbou mutace lze dosáhnout až skoro dvojnásobného zrychlení oproti standardnímu mutačnímu operátoru.
This thesis examines various kinds of mutations in the Cartesian Genetic Programming (CGP) on tasks of symbolic regression. The CGP is kind of evolutionary algorithm which operates with executable structures. Programs in CGP are evolved using mutation, which leads to offspring evaluation, which is the most time-consuming part of the algorithm. Finding more suitable kind of mutation can significantly accelerate the creation of new individuals and thus, reduce the time necessary to find a satisfactory solution. This thesis presents four different mutations for CGP. Experiments compare these mutation operators to solve five tasks of symbolic regression. Experiments have shown that a choice of suitable mutation can almost double the computing speed in comparison to the standard mutation.
This thesis examines various kinds of mutations in the Cartesian Genetic Programming (CGP) on tasks of symbolic regression. The CGP is kind of evolutionary algorithm which operates with executable structures. Programs in CGP are evolved using mutation, which leads to offspring evaluation, which is the most time-consuming part of the algorithm. Finding more suitable kind of mutation can significantly accelerate the creation of new individuals and thus, reduce the time necessary to find a satisfactory solution. This thesis presents four different mutations for CGP. Experiments compare these mutation operators to solve five tasks of symbolic regression. Experiments have shown that a choice of suitable mutation can almost double the computing speed in comparison to the standard mutation.
Description
Citation
KONČAL, O. Mutace v kartézském genetickém programování [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2016.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. František Zbořil, Ph.D. (předseda)
doc. Ing. Lukáš Burget, Ph.D. (místopředseda)
Ing. Zbyněk Křivka, Ph.D. (člen)
Ing. Jaroslav Rozman, Ph.D. (člen)
Ing. Josef Strnadel, Ph.D. (člen)
Date of acceptance
2016-06-13
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Čím je způsoben výrazný rozdíl ve výkonnosti metody Single Active v úloze symbolické regrese oproti úlohám použitým v originálním článku Goldman, B. W.; Punch, W. F.: Reducing Wasted Evaluations in Cartesian GeneticProgramming ? Jak by si vedla nejčastěji používaná strategie mutace (náhodná mutace 1-N genů) v porovnání s prezentovanými strategiemi? Jak je možné, že uvedené počty evaluací jsou řádově vyšší než teoretické maximum (P-1)*G?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení