[論文レビュー] Gene Expression Programming: a New Adaptive Algorithm for Solving Problems

Cândida Ferreira|ArXiv.org|Feb 25, 2001

Evolutionary Algorithms and Applications参考文献 20被引用数 2,016

ひとこと要約

遺伝子表現プログラミング（GEP）を導入する。これは遺伝子型/表現型の遺伝的アルゴリズムで、式木を符号化する線形ゲノムを進化させ、効率的なプログラム作成と多様な問題の解決を可能にする。

ABSTRACT

Gene expression programming, a genotype/phenotype genetic algorithm (linear and ramified), is presented here for the first time as a new technique for the creation of computer programs. Gene expression programming uses character linear chromosomes composed of genes structurally organized in a head and a tail. The chromosomes function as a genome and are subjected to modification by means of mutation, transposition, root transposition, gene transposition, gene recombination, and one- and two-point recombination. The chromosomes encode expression trees which are the object of selection. The creation of these separate entities (genome and expression tree) with distinct functions allows the algorithm to perform with high efficiency that greatly surpasses existing adaptive techniques. The suite of problems chosen to illustrate the power and versatility of gene expression programming includes symbolic regression, sequence induction with and without constant creation, block stacking, cellular automata rules for the density-classification problem, and two problems of boolean concept learning: the 11-multiplexer and the GP rule problem.

研究の動機と目的

• 自動的なコンピュータプログラム作成の新しい技術として遺伝子表現プログラミングを導入する。
• ゲノムと表現木を分離することが、既存の適応法と比較して探索効率を向上させる点を示す。
• 象徴回帰、シーケンス誘導、ブロック積み重ね、セルラーオートマタ、ブール学習などの問題に対するGEPの多用途性を示す。

提案手法

• 染色体を head と tail を組織化した線形遺伝子として表現する。
• 突然変異、転座、組換え演算子を受ける染色体から式木を符号化する。
• 効率的な進化と堅牢なプログラム選択を可能にするため、別個のゲノムと表現木を使用する。
• 染色体を変更するために、単点および二点組換えを含む遺伝的演算子を適用する。

実験結果

リサーチクエスチョン

• RQ1 ゲノタイプ/フェノタイプ分離はコンピュータープログラムの進化効率をどのように向上させるか？
• RQ2 GEPは象徴回帰、シーケンス誘導、ブール学習を含む幅広い問題タイプを効果的に解決できるか？
• RQ3 線形染色体から正確な式木の進化を最も効果的に促進する遺伝的演算子は何か？

主な発見

• GEPはheadとtailを持つ線形染色体から式木を符号化する。
• 本手法は探索空間を探索するため、突然変異と様々な転座および組換えを用いる。
• ゲノム/木の分離は、既存の適応技術を凌ぐ高い効率をもたらす。
• 象徴回帰、シーケンス誘導、ブロック積み重ね、密度分類のためのセルラーオートマタルール、そして11-multiplexer/GP ルール問題を含む問題でGEPを実証。