Skip to main content
QUICK REVIEW

[论文解读] Mathematical Interpretation between Genotype and Phenotype Spaces and Induced Geometric Crossovers

Yourim Yoon, Yong-Hyuk Kim|ArXiv.org|Jul 18, 2009
Genome Rearrangement Algorithms参考文献 33被引用 3
一句话总结

本文提出商几何交叉作为数学上严谨的方法,通过利用商空间理论映射基因型-表型关系,以增强遗传算法。通过将表型空间定义为基因型空间的商度量空间,该方法实现了减少搜索空间并消除冗余的几何交叉,从而在图、对称函数、循环排列和可变长度序列等多种问题中提升搜索效率与效果。

ABSTRACT

In this paper, we present that genotype-phenotype mapping can be theoretically interpreted using the concept of quotient space in mathematics. Quotient space can be considered as mathematically-defined phenotype space in the evolutionary computation theory. The quotient geometric crossover has the effect of reducing the search space actually searched by geometric crossover, and it introduces problem knowledge in the search by using a distance better tailored to the specific solution interpretation. Quotient geometric crossovers are directly applied to the genotype space but they have the effect of the crossovers performed on phenotype space. We give many example applications of the quotient geometric crossover.

研究动机与目标

  • 将进化计算中的基因型-表型映射与数学中的商空间概念正式关联。
  • 基于通过商结构从基因型空间诱导的表型空间,发展一种在表型空间上操作的几何交叉理论。
  • 通过基于度量的交叉操作,针对表型结构定制,减少解表示中的搜索空间并消除冗余。
  • 在统一的几何框架下,统一并推广现有的交叉技术,如归一化、同源交叉和基于群的交叉。
  • 在图、排列和可变长度序列等多样化问题领域中,展示商几何交叉在理论与实践上的优势。

提出的方法

  • 将基因型空间和表型空间定义为度量空间,其中表型空间是基因型空间在等价关系下的商空间。
  • 通过从基因型空间提升度量,在表型空间上构造商度量,确保度量反映真实的解结构。
  • 在基因型空间中应用几何交叉,利用商度量,从而诱导出在表型空间上直接执行时行为一致的交叉操作。
  • 使用群作用定义等价关系,以建模解表示中的对称性(例如图中的节点重标记、循环排列中的旋转)。
  • 将商几何交叉应用于具体问题:分组、图、对称函数、循环排列和可变长度序列。
  • 对于序列,通过将拉伸序列建模为基因型、对齐序列建模为商代表元,将同源交叉重新解释为商几何交叉。

实验结果

研究问题

  • RQ1如何使用商空间理论正式解释进化计算中的基因型-表型映射?
  • RQ2基因型空间中的几何交叉与在表型空间中诱导出的效果之间存在何种数学关系?
  • RQ3商几何交叉如何减少解表示中的搜索空间并消除冗余?
  • RQ4商几何交叉在何种方式下能统一并推广现有的交叉技术,如归一化和同源交叉?
  • RQ5使用商度量如何提升在具有对称或冗余表示的问题中几何交叉的有效性?

主要发现

  • 基因型-表型映射可被正式解释为商空间构造,其中表型空间是基因型空间在等价关系下的商集。
  • 商几何交叉通过过滤掉冗余表示(如同一图的不同邻接矩阵)来减少有效搜索空间。
  • 对于对称函数和循环排列,商几何交叉通过群作用对齐解,消除了旋转或反射偏差。
  • 当使用拉伸序列作为基因型时,可变长度序列的同源交叉在数学上等价于商几何交叉。
  • 表型空间上的商度量确保几何交叉反映了解空间的真实结构特性,从而实现更有效的搜索。
  • 该框架成功重新解释并推广了先前方法(如归一化和基于群的交叉),为表示感知的交叉算子提供了统一的理论基础。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。