[论文解读] Using Domain Knowledge in Evolutionary System Identification

Marc Schoenauer, Michèle Sébag|arXiv (Cornell University)|Feb 7, 2006

Evolutionary Algorithms and Applications参考文献 23被引用 7

一句话总结

本文提出将领域知识融入进化系统辨识，以提升复杂工程问题中的搜索效率与解的质量。通过在结构力学中使用上下文无关语法约束的遗传编程以保证量纲一致性，并在地震速度建模中采用专家指导的适应度函数，作者证明了领域感知的进化计算相比无约束方法能生成更准确、更可解释的模型。

ABSTRACT

Two example of Evolutionary System Identification are presented to highlight the importance of incorporating Domain Knowledge: the discovery of an analytical indentation law in Structural Mechanics using constrained Genetic Programming, and the identification of the repartition of underground velocities in Seismic Prospection. Critical issues for sucessful ESI are discussed in the light of these results.

研究动机与目标

• 通过整合特定领域的约束条件，解决进化系统辨识中高维、不规则搜索空间的挑战。
• 通过利用专家知识限制搜索空间，提升进化算法的效率与收敛性。
• 证明领域知识可增强进化计算中的表示、算子、初始化与适应度函数设计。
• 表明在真实世界工程应用中，受约束的进化方法相比无约束方法能生成更可解释、更准确的模型。

提出的方法

• 采用基于语法的遗传编程（G3P）与上下文无关语法，以在结构力学系统辨识中强制实现量纲一致性。
• 设计基于推导树的表示方法，从一开始就确保演化表达式的语法与量纲有效性。
• 利用特定领域的约束条件——如速度值的物理边界和层间平滑性——来限制地震勘探中的搜索空间。
• 采用基于专家知识的适应度函数，反映关于地下速度分布的常识性假设。
• 根据领域知识修改初始化与变异算子（如交叉与变异），以提升搜索方向与收敛性。
• 通过限制搜索空间仅包含量纲有效的表达式，实现无惩罚的约束搜索，避免使用代价高昂的惩罚函数。

实验结果

研究问题

• RQ1 如何有效将领域知识编码进进化系统辨识，以降低搜索空间的复杂度？
• RQ2 在结构力学中，强制实现量纲一致性对演化模型的质量与可解释性有何影响？
• RQ3 关于地下速度分布的专家假设如何影响进化算法在地震勘探中的性能？
• RQ4 基于领域知识的初始化与变异算子是否能优于标准的通用进化算子？
• RQ5 适应度函数的选择——尤其是基于隐含领域假设的适应度函数——在多大程度上影响进化系统辨识的成功？

主要发现

• 在遗传编程中使用上下文无关语法，成功将搜索空间限制为仅包含量纲一致的表达式，显著提升了结构力学中模型的收敛性与质量。
• 基于约束的搜索优于基于惩罚的方法，因其避免了对不可行解的探索，从而更快地发现有效的解析压痕定律。
• 在地震勘探中，隐含编码了专家知识（如速度平滑过渡与物理合理性）的适应度函数，生成了更准确且地质上更合理的模型。
• 在初始化与算子设计中融入领域知识，使复杂、变长表示的探索更加高效，尤其在无界或不规则搜索空间的问题中表现突出。
• 即使使用通用表示，通过领域知识限制搜索空间，也能防止进化算法陷入局部最优或探索无产出区域。
• 本研究证明，当领域知识系统性地整合到表示、算子、初始化与适应度评估等各个环节时，进化系统辨识的效果最佳。