[论文解读] A Mathematical Unification of Geometric Crossovers Defined on Phenotype Space

Yourim Yoon, Yong-Hyuk Kim+2 more|ArXiv.org|Jul 18, 2009

Gene Regulatory Network Analysis参考文献 22被引用 4

一句话总结

本文提出商几何交叉（quotient geometric crossover），一种通过商度量空间嵌入问题特定知识来统一表示无关交叉算子的数学框架。通过利用商度量对基因型空间进行变换，该方法在表型空间中实现高效搜索的同时过滤冗余，适用于TSP、神经网络和可变长度序列等问题。

ABSTRACT

Geometric crossover is a representation-independent definition of crossover based on the distance of the search space interpreted as a metric space. It generalizes the traditional crossover for binary strings and other important recombination operators for the most frequently used representations. Using a distance tailored to the problem at hand, the abstract definition of crossover can be used to design new problem specific crossovers that embed problem knowledge in the search. This paper is motivated by the fact that genotype-phenotype mapping can be theoretically interpreted using the concept of quotient space in mathematics. In this paper, we study a metric transformation, the quotient metric space, that gives rise to the notion of quotient geometric crossover. This turns out to be a very versatile notion. We give many example applications of the quotient geometric crossover.

研究动机与目标

• 将不同表示形式（如二进制、实数、排列、序列）下的多样化几何交叉算子统一于单一数学框架之下。
• 通过引入反映表型级语义的度量变换，解决基因型表示中的冗余与偏差问题。
• 形式化进化计算中交叉与中性性之间的相互作用，尤其在可变长度和功能型表示中。
• 展示商几何交叉如何通过简洁的基因型表示，在高维或无限维表型空间中实现有效搜索。
• 为设计保留几何特性的问题特定交叉算子提供理论基础，同时嵌入领域知识。

提出的方法

• 使用商度量空间作为度量变换，在基因型空间上定义一种反映表型空间结构的新距离。
• 应用保持几何性的变换，确保基因型上的交叉操作能诱导出有效的表型交叉。
• 利用等价关系将映射到同一表型的基因型分组，从而减少搜索空间并消除冗余。
• 通过在权重矩阵（基因型）上进行方框重组来定义交叉，该操作在连续函数（表型）上诱导出等价的交叉，避免直接操作无限维向量。
• 利用序列上的编辑距离与中性编码定义商度量，实现对中性区域透明的同源交叉。
• 证明商几何交叉的诱导变换保留了几何特性，使交叉在基因型与表型空间中等价作用。

实验结果

研究问题

• RQ1 如何利用度量空间理论系统性地统一不同表示形式下的几何交叉？
• RQ2 商度量空间变换在设计嵌入领域知识的问题特定交叉中起到何种作用？
• RQ3 基因型表示中的中性性如何影响交叉与突变的行为？是否可被用于自适应进化？
• RQ4 能否通过有限基因型交叉在商几何交叉下有效搜索无限维表型空间（如连续函数）？
• RQ5 诱导变换在连接基因型层面交叉与表型层面搜索中起什么作用？它如何保持几何特性？

主要发现

• 商几何交叉通过在商度量空间中定义交叉操作，为统一多样化交叉算子提供了数学上严谨的框架。
• 该方法通过紧凑的基因型表示（如权重矩阵）实现对表型空间（如连续函数空间）的间接搜索。
• 对于可变长度序列，同源交叉被证明与商几何交叉等价，且中性编码对交叉过程透明。
• 在神经网络表示中，对权重矩阵的方框重组可在连续函数空间上诱导出有效的交叉，避免直接重组无限维输出向量。
• 在中性情况下，恒等变换表明交叉不受中性编码影响，从而在保持搜索效率的同时支持自适应突变率。
• 该框架减少了搜索空间并消除了表示中的固有偏差，提升了在旅行商问题和功能搜索等任务中的搜索有效性。