12

进化计算中相当烦人的一点是，略有不同和重叠的概念往往会选择截然不同的名称。因此，我最近的困惑是基因表达编程似乎与笛卡尔基因编程非常相似。

  1. （如何）这些是根本不同的概念吗？
  2. 我读过 GP 指令的间接编码是一种有效的技术（GEP 和 CGP 都这样做）。是否已经达成某种共识，间接编码已经过时了经典的树基 GP？
4

3 回答 3

7

好吧，似乎基因表达编程 (GEP) 和笛卡尔基因编程（CGP 或我认为的经典基因编程）之间存在一些差异，但这种差异可能比实际应该被夸大了。请注意，我从未使用过 GEP，所以我所有的评论都是基于我使用 CGP 的经验。

在 CGP 中，基因型和表型之间没有区别，换句话说 - 如果您正在查看 CGP 的“基因”，那么您也在查看它们的表达。这里没有编码，即表达树就是基因本身。

在GEP中，基因型被表达为表型，因此如果您正在查看基因，您将不会轻易知道表达将是什么样子。GP 的“发明者”Cândida Ferreira 写了一篇非常好的论文，还有一些其他资源试图对整个概念进行简短的概述。

Ferriera 说好处是“显而易见的”，但我真的没有看到任何东西会使 GEP 比 CGP 更好。显然，GEP 是多基因的，这意味着多个基因参与了一个性状的表达（即表达树）。无论如何，适应度是在表达的树上计算的，所以 GEP 似乎没有做任何事情来增加适应度。作者声称 GEP 提高了达到适应度的速度（即在更少的世代中），但坦率地说，您可以看到与 CGP 相比的显着性能变化，只是通过使用不同的选择算法、不同的锦标赛结构、拆分种群进入部落，标本在部落之间迁移，包括多样性进入适应度等。

选择：

  • 随机的
  • 轮盘赌
  • 前n
  • 拿一半
  • 等等

比赛频率：

  • 每个时代一次
  • 每个数据实例一次
  • 每代一次。

比赛结构：

  • 取 3，杀死 1 并用另外两个的孩子替换它。
  • 按适应度对比赛中的所有个体进行排序，杀死下半部分并用上半部分的后代替换它（较低的适应度较差，较高的适应度较好）。
  • 从比赛中随机挑选个体交配并杀死多余的个体。

部落
一个人口可以分成彼此独立发展的部落：

  • 迁移——周期性地，来自一个部落的个人会被转移到另一个部落
  • 这些部落在逻辑上是分开的，因此它们就像在不同环境中运行的独立种群。

多样性适应
度 将多样性融入适应度，计算有多少个体具有相同的适应度值（因此可能具有相同的表型），然后按比例值惩罚他们的适应度：具有相同适应度值的个体越多，对这些人的处罚。通过这种方式，将鼓励具有独特表型的标本，因此种群的停滞将大大减少。

这些只是可以极大影响 CGP 性能的一些因素，当我说很大时，我的意思是它与 Ferriera 的性能相同或更高。因此，如果 Ferriera 没有过多地修改这些想法，那么她可能会看到 CGP 的性能要慢得多……尤其是如果她不采取任何措施来对抗停滞不前。所以在阅读 GEP 的性能统计数据时我会小心，因为有时人们无法考虑所有可用的“优化”。

于 2010-08-14T04:11:28.603 回答
5

这些答案似乎有些混乱，必须澄清。笛卡尔 GP 与经典 GP（又名基于树的 GP）和 GEP 不同。尽管它们共享许多概念并从相同的生物学机制中汲取灵感，但个体（解决方案）的表示方式却各不相同。

在CGP中，表示（基因型和表型之间的映射）是间接的，换句话说，并非 CGP 基因组中的所有基因都将在表型中表达（这一概念也在 GEP 和许多其他中发现）。基因型可以在网格或节点阵列中编码，生成的程序图仅是活动节点的表达。

在GEP中，表示也是间接的，同样并非所有基因都会在表型中表达。这种情况下的表示与 treeGP 或 CGP 有很大不同，但基因型也表示为程序树。在我看来，GEP 是一种更优雅的表示，更易于实现，但也存在一些缺陷，例如：您必须找到针对特定问题的合适的尾部和头部大小，多基因版本有点像表达式树之间的强制粘合，最后它有太多的臃肿。

无论在某些特定问题域中哪种表示可能比另一种更好，它们都是通用的，只要您可以对其进行编码，就可以应用于任何领域。

于 2015-08-12T15:13:24.690 回答
2

一般来说，GEP 比 GP 更简单。假设您在程序中允许以下节点：常量、变量、+、-、*、/、if、... 对于每个具有 GP 的此类节点，您必须创建以下操作： - 随机化 - 变异 - 交叉 - 和可能还有其他遗传算子

在 GEP 中，每个这样的节点只需要实现一个操作：反序列化，它接受数字数组（如 C 或 Java 中的双精度数），并返回节点。它类似于 Java 或 Python 等语言中的对象反序列化（不同之处在于编程语言中的反序列化使用字节数组，这里我们有数字数组）。甚至这种“反序列化”操作也不必由程序员实现：它可以通过通用算法实现，就像在 Java 或 Python 反序列化中所做的那样。

从一个角度来看，这种简单性可能会使搜索最佳解决方案不太成功，但从另一方面来看：需要程序员的工作更少，更简单的算法可能执行得更快（更容易优化，更多代码和数据适合 CPU 缓存，等等） . 所以我会说 GEP 稍微好一点，但肯定的答案当然取决于问题，而对于许多问题，情况可能正好相反。

于 2010-12-07T14:23:28.723 回答