Článek ve sborníku konference

KONČAL Ondřej a SEKANINA Lukáš. Cartesian Genetic Programming as an Optimizer of Programs Evolved with Geometric Semantic Genetic Programming. In: Genetic Programming 22nd European Conference, EuroGP 2019. Cham: Springer International Publishing, 2019, s. 98-113. ISBN 978-3-030-16669-4.
Jazyk publikace:angličtina
Název publikace:Cartesian Genetic Programming as an Optimizer of Programs Evolved with Geometric Semantic Genetic Programming
Název (cs):Kartézské genetické programování jako optimalizátor programů evolvovaných pomocí geometrického sémantického genetického programování
Strany:98-113
Sborník:Genetic Programming 22nd European Conference, EuroGP 2019
Konference:22nd European Conference on Genetic Programming
Místo vydání:Cham, CH
Rok:2019
ISBN:978-3-030-16669-4
DOI:10.1007/978-3-030-16670-0_7
Vydavatel:Springer International Publishing
Soubory: 
+Typ Jméno Název Vel. Poslední změna
iconKoncal-Sekanina2019_Chapter_CartesianGeneticProgrammingAsA.pdf656 KB2019-04-21 23:02:31
^ Vybrat vše
S vybranými:
Klíčová slova
Cartesian Genetic Programming, Geometric Semantic Genetic Programming, symbolic regression, semantics 
Anotace
V geometrickém sémantickém genetickém programování (GSGP) pracují genetické operátory na úrovni sémantiky a ne syntaxe. To přináší mnohé výhody, zejména kvalitnější programy (s ohledem na chybovost) než běžné genetické programování. Na druhou stranu jsou tyto programy velmi složité, což znemožňuje jejich využití v systémech s omezenými zdroji, např. ve vestavěných systémech. V článku představujeme podstromové kartézské genetické programování (SCGP), tj. metodu umožňující redukovat počet uzlů v programech produkovaných GSGP. SCGP aplikuje běžné CGP na všechny podstromy náležící k řešení vytvořenému GSGP a na různé kompozice těchto podstromů s cílem zmenšit velikost výsledného programu. SCGP negarantuje sémantickou ekvivalenci mezi výstupy CGP  a GSGP, ale uživatel může definovat podmínky, kdy je výsledek optimalizace provedené CGP akceptovatelný. SCGP bylo ověřeno na několika testovacích úlohách, ve kterých umožnilo snížit počet uzlů v programech od 92.4% do 99.9%.
BibTeX:
@INPROCEEDINGS{
   author = {Ond{\v{r}}ej Kon{\v{c}}al and Luk{\'{a}}{\v{s}}
	Sekanina},
   title = {Cartesian Genetic Programming as an Optimizer of
	Programs Evolved with Geometric Semantic Genetic
	Programming},
   pages = {98--113},
   booktitle = {Genetic Programming 22nd European Conference, EuroGP 2019},
   year = 2019,
   location = {Cham, CH},
   publisher = {Springer International Publishing},
   ISBN = {978-3-030-16669-4},
   doi = {10.1007/978-3-030-16670-0_7},
   language = {english},
   url = {http://www.fit.vutbr.cz/research/view_pub.php.cs.iso-8859-2?id=11859}
}

Vaše IPv4 adresa: 34.238.189.171