[论文解读] How Santa Fe Ants Evolve

Dominic Wilson, Devinder Kaur|arXiv (Cornell University)|Dec 6, 2013

Evolutionary Algorithms and Applications参考文献 34被引用 4

一句话总结

本文提出一种基于执行指令序列的新型表型模式与景观分析方法，用于研究圣塔菲蚂蚁问题中进化程序的结构性和动态特征。该方法识别出由对路径条件有效响应重复引发的重复性高适应度程序结构，从而在圣特菲路径和更复杂的洛斯阿尔托斯路径上均实现了优化性能的提升与计算成本的降低。

ABSTRACT

The Santa Fe Ant model problem has been extensively used to investigate, test and evaluate Evolutionary Computing systems and methods over the past two decades. There is however no literature on its program structures that are systematically used for fitness improvement, the geometries of those structures and their dynamics during optimization. This paper analyzes the Santa Fe Ant Problem using a new phenotypic schema and landscape analysis based on executed instruction sequences. For the first time we detail systematic structural features that give high fitness and the evolutionary dynamics of such structures. The new schema avoids variances due to introns. We develop a phenotypic variation method that tests the new understanding of the landscape. We also develop a modified function set that tests newly identified synchronization constraints. We obtain favorable computational efforts compared to those in the literature, on testing the new variation and function set on both the Santa Fe Trail, and the more computationally demanding Los Altos Trail. Our findings suggest that for the Santa Fe Ant problem, a perspective of program assembly from repetition of highly fit responses to trail conditions leads to better analysis and performance.

研究动机与目标

• 通过新型表型模式分析圣特菲蚂蚁问题中高适应度程序的结构性和动态特征。
• 通过聚焦于执行的指令序列而非原始程序语法，消除内含子带来的变异影响。
• 基于对适应度景观的全新理解，开发一种表型变异方法。
• 通过修改的函数集测试新识别出的同步约束。
• 评估在圣特菲路径和更复杂的洛斯阿尔托斯路径上的性能改进。

提出的方法

• 提出一种基于执行指令序列的表型模式，用于表示程序表型，避免非执行或内含子代码带来的噪声。
• 应用景观分析方法，将适应度映射到执行代码序列中的结构模式。
• 提出一种表型变异方法，通过重组分析中识别出的高适应度结构基序来生成新程序。
• 设计一种修改后的函数集，以强制执行从结构分析中推断出的同步约束。
• 在两个基准测试（圣特菲路径和洛斯阿尔托斯路径）上应用进化计算，通过适应度和计算成本衡量性能。
• 通过与先前文献的定量比较，验证计算成本的降低和优化结果的改善。

实验结果

研究问题

• RQ1 在圣特菲蚂蚁问题中，执行指令序列中哪些系统性结构特征能持续导致高适应度？
• RQ2 这些程序结构的动力学特征在优化过程中如何演变？
• RQ3 基于执行序列的表型模式能否减少内含子带来的噪声并改善适应度景观分析？
• RQ4 新识别出的同步约束对程序进化和性能有何影响？
• RQ5 所提出的变异方法和函数集能否实现比现有方法更高的计算效率？

主要发现

• 本研究识别出圣特菲蚂蚁问题中由对路径条件有效响应重复而产生的重复性高适应度程序结构。
• 新型表型模式成功减少了内含子引起的变异，使适应度相关结构模式的分析更加清晰。
• 所提出的表型变异方法在圣特菲路径和洛斯阿尔托斯路径上均实现了更快的收敛速度和更高的适应度。
• 基于同步约束设计的修改函数集提升了程序的可靠性和性能。
• 与先前方法相比，计算成本显著降低，尤其在更复杂的洛斯阿尔托斯路径上表现更优。
• 结果支持一种范式转变：通过重复高适应度响应来实现程序组装，从而实现更有效的进化分析与优化。