【报告内容】

2024.12.06讨论课，时间：19:30，腾讯会议：311-5999-8176

汇报人：何世祺

汇报单位：太原理工大学

主题：《Graph-based Linear Genetic Programming: A Case Study of Dynamic Scheduling》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

LGP的主要问题之一是遗传算子对线性表示的有效性，对于LGP来说，由于线性表示，它比TGP更容易受到无效指令的影响，这通常是指指令的冗余以及代码块独立于程序输出的事实；传统的线性遗传算子直接修改指令序列，而不管修改的部分是否对程序输出产生影响，这往往会破坏有用的构建块。

2.相关创新方案

(1)开发一种新的基于图的交叉算子和基于图的变异算子用于线性表示。新的遗传算子考虑DAG而不是原始序列来选择要修改的部分。

(2)开发一种基于图遗传算子的新型LGP系统。

(3)根据演进调度规则的性能，验证新LGP系统在多个DJSS场景中的有效性。

(4)独立验证新的基于图的交叉和变异算子的有效性，并分析它们在修改父节点拓扑结构时的行为。

3.实验总结

本文旨在提高LGP的搜索效率。这一目标是通过提出一种新的基于图的LGP来实现的，该LGP包含新开发的基于图形的交叉和变异算子。我们以DJSS的进化调度规则为例，对提出的GLGP进行了测试。结果表明，GLGP的测试性能明显优于使用传统线性遗传算子的LGP。

4.未来工作

(1)与其他比较算法相比，GLGP具有更严重的膨胀效应（即，更大的程序大小）。鼓励GLGP发展紧凑的规则对于进一步提高其绩效是必要的。

(2)所提出的基于图的突变并不像预期的那样有效。需要对基于图的突变行为进行进一步的分析。

报告时间：2024年12月06日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)