유전 프로그래밍 페이퍼를 살펴보면 테스트 케이스 수가 항상 고정되어있는 것으로 보입니다. 그러나 대부분의 돌연변이는 집행의 모든 단계에서 (?) 매우 해롭다. 이자형. 하나의 테스트 케이스에서 돌연변이 된 프로그램이 이전의 것보다 훨씬 더 나쁜 성능을 보인다는 것을 분명히하십시오. 처음에는 아주 적은 수의 테스트 케이스 만 시도하고 돌연변이가 의미가 있는지 살펴 봅니다.유전 프로그래밍에서 동적 인 테스트 케이스가 있습니까?
다른 테스트 케이스가 솔루션의 다양한 기능을 테스트하고 하나의 변이가 아마도 이러한 기능 중 하나만 향상시킬 수 있습니까?
대부분의 돌연변이가 매우 해롭다는 가정에 동의하는지 모르겠지만,인데도 은 신경 쓰지 않아야합니다. 목표는 개인을 최적화하는 것이 아니라 인구를 최적화하는 것입니다. 그래서 "돌연변이가 어떤 의미를 갖는가"를 결정하려고 시도하는 것은 정확히 유전 프로그램이해야 할 일, 즉 "이해가되지 않는"돌연변이를 제거하는 것입니다. 알고리즘에 대한 유일한 "안내"는 피트니스 기능을 통해 이루어져야합니다.
"테스트 케이스"가 무슨 뜻인지 잘 모르겠지만 제게는 다중 목표 최적화 (MOO)와 관련된 것을 찾고있는 것처럼 들립니다. 즉, 문제의 여러 측면에 대한 솔루션을 최적화하려고합니다. 따라서 특정 테스트 케이스에 대해 인구를 변이/평가할 필요는 없지만 다중 객관적 적합성 기능을 찾는 것입니다. "MOO의 주요 아이디어는 파레토 우세라는 개념입니다."(http://www.gp-field-guide.org.uk)
이론적으로는 좋은 아이디어이지만 실천하기에는 까다로운 부분이라고 생각합니다. 나는이 접근 방식이 실제로 이전에 사용 된 것을 기억하지 못하지만, 만약 그렇다면 놀라지 않을 것입니다.
나는이 일을하기위한 당신의 동기가 피트니스 기능 적용의 효율성을 향상시키는 것이라고 추정한다. 테스트가 마치있을 것이라면 평가를 일찍 중단하고 개인을 버릴 수있다. 무서운.
하나의 과제는 적용 할 테스트 케이스 수를 결정하는 것입니다. 하나의 무작위 테스트 케이스 이후에 개인을 버리는 것은 테스트 케이스가 실제 이상한 것이 될 수 있으므로 좋은 아이디어는 아닙니다. 아마도 개인의 적합성이 < 인 경우 테스트 케이스의 50 %를 종료 한 후 평가를 종료하는 것이 가장 좋은 것의 10 %를 버려서는 안됩니다. 다른 한편으로는 많은 개인이 중간 정도의 적합성을 가지며 계산의 작은 부분 만 저장할 수 있다는 점을 감안할 때 가치가 없을 수도 있습니다. 더 많은 노력을 절약 할 수 있도록 숫자를 조정할 수는 있지만 실수로 삭제 된 진정한 개인의 기회를 많이 확보하려고 노력하면할수록 노력을 많이 기울입니다.
이 버그 및 가능한 버그 등을 코드하는 데 추가 시간이 필요하므로 이점을 얻는 것이 좋을 것이라고 생각하지 않아야합니다 (어떤 경우에는 연구 프로젝트를 시도해 보지 않는 것이 좋을 경우 제외) .
나는 좋은 생각이라고 생각합니다. 피트니스 평가는 GP에서 가장 계산상의 강렬한 프로세스이므로 실제로 피트니스를 계산하는 데 소요되는 계산 비용을 줄이기 위해 개인의 적합성 값을 예측하는 것이 중요한 최적화가 될 수 있습니다.
당신의 생각은 적당 근사의 한 형태입니다. 때로는 게으른 평가라고합니다 (이 단어를 검색해보십시오. 몇 가지 연구 논문이 있습니다).
또한 예를 들어 별개하지만 다소 중복되는 제도가 있습니다 :
또한 Brood Recombination Crossover (Tackett) 아동 프로그램은 제한된 수의 테스트 케이스에서 평가되어 크로스 오버 속도를 높입니다.
"테스트 사례"는 무엇을 의미합니까? "피트니스 기능"을 의미합니까? – Kiril