[논문 리뷰] An Overview of Schema Theory

David R. White|arXiv (Cornell University)|2014. 01. 12.

Evolutionary Algorithms and Applications참고 문헌 38인용 수 10

한 줄 요약

이 논문은 수학 및 컴퓨터 과학 분야의 연구자들을 대상으로 스키마 이론에 대한 수학적으로 탄탄한 소개를 제공하며, 빌딩 블록 가설의 형식화를 통해 유전적 알고리즘을 정당화하는 데서 그 역할을 강조한다. 이 논문은 가변 길이 및 유전적 프로그래밍 환경으로의 스키마 이론의 일반화를 제안하여 인공 및 계산적 진화의 이론적 프레임워크를 통합하고 확장하고자 한다.

ABSTRACT

The purpose of this paper is to give an introduction to the field of Schema Theory written by a mathematician and for mathematicians. In particular, we endeavor to to highlight areas of the field which might be of interest to a mathematician, to point out some related open problems, and to suggest some large-scale projects. Schema theory seeks to give a theoretical justification for the efficacy of the field of genetic algorithms, so readers who have studied genetic algorithms stand to gain the most from this paper. However, nothing beyond basic probability theory is assumed of the reader, and for this reason we write in a fairly informal style. Because the mathematics behind the theorems in schema theory is relatively elementary, we focus more on the motivation and philosophy. Many of these results have been proven elsewhere, so this paper is designed to serve a primarily expository role. We attempt to cast known results in a new light, which makes the suggested future directions natural. This involves devoting a substantial amount of time to the history of the field. We hope that this exposition will entice some mathematicians to do research in this area, that it will serve as a road map for researchers new to the field, and that it will help explain how schema theory developed. Furthermore, we hope that the results collected in this document will serve as a useful reference. Finally, as far as the author knows, the questions raised in the final section are new.

연구 동기 및 목표

• 유전적 계산 분야에 대한 배경 지식이 최소한인 수학자들을 대상으로, 접근하기 쉬운 설명적인 방식으로 스키마 이론을 제시하는 것.
• 수학적 연구에 특히 관련성이 높은 스키마 이론의 미해결 문제와 연구 방향을 식별하고 부각하는 것.
• 스키마 이론을 가변 길이 유전자 알고리즘과 유전적 프로그래밍으로 일반화하여, 계산적 진화의 더 견고한 이론적 기초를 마련하는 것.
• 스키마 이론과 마르코프 체인 모델을 융합하여, 진화 알고리즘에서 장기 예측과 적합도 분포 분석을 향상시키는 것.
• 동역학 시스템 이론을 활용해 빌딩 블록 가설을 정확한 수학적 문제로 재구성함으로써, 진화 계산 분야의 이론적 엄밀성을 강화하는 것.

제안 방법

• 기술적 증명보다는 동기와 철학적 기초에 중점을 두고, 기본 확률론과 조합론을 사용하여 스키마 이론을 형식화하는 것.
• 0, 1, ∗로 구성된 문자열로 스키마를 표현하여, ∗는 '고려하지 않음' 위치를 나타낸다.
• 선택, 교차, 변이를 고려하여 세대 간 스키마의 예상 인스턴스 수를 정량화하는 스키마 정리를 도입하는 것.
• 보세의 마르코프 체인 모델을 스키마 수준의 동역학을 포함하도록 확장하여, 확률적 인구 분포 분석을 가능하게 하는 것.
• 학습 분류기 시스템에서 수량성 메커니즘을 통해 다수의 스키마 인스턴스를 통합하여 생물학적 현실성을 반영하는 것.
• 빌딩 블록 가설을 정확한 수학적 추측으로 형식화하기 위해 동역학 시스템 이론을 활용하는 것.

실험 결과

연구 질문

• RQ1 표현의 크기와 형태가 고정되어 있지 않은 가변 길이 유전자 알고리즘과 유전적 프로그래밍 환경에서 스키마 이론을 어떻게 일반화할 수 있는가?
• RQ2 유전자 알고리즘 마르코프 체인 모델에서 전이 행렬의 비가역성 조건은 무엇이며, 이를 어떻게 스키마 이론과 연결할 수 있는가?
• RQ3 동역학 시스템 이론의 도구를 사용하여 빌딩 블록 가설을 정확한 수학적 진술로 재구성할 수 있는가?
• RQ4 동일한 스키마가 인구 내에서 다수의 인스턴스를 가질 수 있도록 스키마 이론을 어떻게 확장할 수 있는가? (예: 유전자 중복과 같은 생물학적 현상 반영)
• RQ5 스키마 이론과 마르코프 체인 모델의 통합이 장기 예측 및 적합도 분포 모델링 향상에 어떤 역할을 할 수 있는가?

주요 결과

• 스키마 정리는 선택, 교차, 변이를 고려하여 세대 간 스키마 인스턴스의 예상 수를 예측하는 기초적인 정량적 프레임워크를 제공한다.
• 가변 길이 표현으로의 스키마 이론 일반화는 진화의 더 생물학적으로 현실적인 모델링을 가능하게 하며, 인공 진화와 계산적 진화를 일치시킨다.
• 스키마 이론과 마르코프 체인 모델의 통합은 정확한 인구 분포의 확률 분포 계산을 가능하게 하여 장기 예측 정확도를 향상시킨다.
• 가변 길이 유전자 알고리즘에 대한 스키마 정리 존재는, 향후 이론적 발전을 위해 스키마 이론을 유전적 프로그래밍으로 확장하는 것이 가능하고 필수적임을 시사한다.
• 다수의 스키마 인스턴스 및 동역학 시스템 기반의 일반화 제안은 진화 계산 분야의 더 단순하고 견고한 이론적 프레임워크로 이어질 수 있다.
• 저자는 스키마 이론이 충분히 유연하고 강력하여 인공 진화에서 계산적 진화로의 전이를 위한 기초 이론으로 기능할 수 있다고 주장한다.