【报告内容】

汇报人：戴可涛

汇报单位：太原理工大学

主题：《Proposal of Surrogate Model for Genetic Programming Based on Program Structure Similarity》

1、Introduction

2、Background And Related Work

3、Proposed Method

4、Experiments And Results

5、Conclusion

【报告总结】

1.待解决的问题

近年来，进化算法因其通用性和高搜索性能而被广泛用于解决优化问题，比如说如遗传算法和遗传规划算法。但是另一方面，进化算法在优化过程中需要生成大量的候选解，并对这些解进行反复评估。所以说，当评估这些解的计算成本比较高的时候，则需要大量的计算时间进行优化。为了减少优化的计算成本，研究了使用代理模型的进化算法。代理模型是一种通过近似原始适应度函数来估计适应度值的方法。由于代理模型可以用计算成本低的适应度函数替换计算成本高的适应度函数，因此可以减少优化所需的计算时间。

2.相关创新方案

首先是提出了一种基于树型结构相似性的代理模型。具体而言，该方法通过遗传操作生成比原始种群规模更大的个体，并基于树的结构相似性的最近个体来估计其适应度值。之后，选取部分预估评价较高的个体进行实际评价。此外，为了保持种群的多样性，引入了考虑差异性的选择。第二点贡献：为了研究所提出方法的有效性，将所提出的方法与不使用所提出的代理模型的普通遗传规划进行比较。在实验中，我们使用符号回归问题来找到一个近似给定数据集的函数。我们评估解的发现率和平均代数。

3.实验总结

本文提出了一种基于树型结构距离最近邻法的代理模型的遗传规划，并对其有效性进行了研究。提出的一种基于树形结构距离的最近邻法来估计未评价个体的适应度值，并只选择有希望的个体。此外，该方法不仅可以选择估计评价较高的个体，还可以选择与已有个体差异较大的个体。在另外的实验中，作者检查了解的搜索性能是否受到档案累计的影响。具体来说，在执行代理评估时，我们将个体的适应度计算与来自前几代的所有个体进行比较，而不仅仅是来自前一代的个体。通过符号回归问题，比较了普通遗传规划和该方法的性能。实验结果表明，与普通的遗传规划算法相比，所提出的代理模型的算法可以减少寻找最优解所需的代数。此外，通过适当设置替代评价的选择比例阿尔法，可以在减少代数的同时保持较高的成功率。

4.未来工作

未来的工作不仅包括将所提出的方法与使用传统代理模型的其他遗传规划算法进行性能比较。此外，我们将提出的方法不仅应用于实验中未使用的符号回归问题，而且还应用于其他遗传规划基准，如作业车间调度。

报告时间：2023年06月16日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)