Chia sẻ bài báo qua Email TRÙNG LẶP CÁ THỂ TRONG LẬP TRÌNH DI TRUYỀN
Thông tin bài báo
Ngày nhận bài: 05/05/20 Ngày hoàn thiện: 29/08/20 Ngày đăng: 31/08/20Các tác giả
1. Phạm Thị Thương
, Trường Đại học Công nghệ thông tin & truyền thông - ĐH Thái Nguyên2. Nguyễn Xuân Hoài, Viện trí tuệ nhân tạo Việt Nam
3. Nguyễn Thị Hiền, Học viện Kỹ thuật quân sự
4. Ngô Văn Mạnh, Trung tâm Thông tin và Dữ liệu Khí tượng thủy văn
Tóm tắt
Trong thực tế, mọi cá thể xuất hiện trong thế giới tự nhiên là duy nhất. Chúng kế thừa đặc tính di truyền từ cha mẹ, đồng thời cũng mang những nét đặc trưng riêng biệt mà không giống bất kỳ một cá thể nào đã và đang tồn tại (Adam Rutherford, 2018). Lập trình di truyền (GP) là một trong các cách tiếp cận mô phỏng sự tiến hóa của tự nhiên và đã được áp dụng thành công trong nhiều lĩnh vực. Vậy, (1) Vấn đề trùng lặp đã được giải quyết như thế nào trong GP? (2) Việc lặp cá thể có phụ thuộc vào kích cỡ quần thể không? Nó tác động như thế nào đến hiệu quả của GP? (3) Nguyên nhân gây trùng lặp là gì? và (4) Làm thế nào để giải quyết vấn đề trùng lăp? Để trả lời các câu hỏi nghiên cứu này, chúng tôi đã tiến hành các thực nghiêm. Kết quả cho thấy, trùng lặp cá thể không bị tác động nhiều bởi kích cỡ quần thể trên đa phần các bài toán được thử nghiệm; giải quyết vấn đề trùng lặp giúp cải tiến một cách đáng kể hiệu suất của GP nói riêng và các cách tiếp cận dựa trên GP nói chung.
Từ khóa
Toàn văn:
PDFTài liệu tham khảo
[1]. A. Rutherford, A Brief History of Everyone Who Ever Lived: The Human Story Retold Through Our Genes, The Experiment, 2018.
[2]. R. John, and Koza, Genetic programming: on the programming of computers by means of natural selection, MIT press, 1992.
[3]. Poli, Riccardo, Langdon, B. William, McPhee, F. Nicholas, Koza, and R. John, A field guide to genetic programming, Lulu. com, 2008.
[4]. Keijzer, and Maarten, "Alternatives in subtree caching for genetic programming," in European Conference on Genetic Programming, Springer, 2004.
[5]. Wong, Phillip, Zhang, and Mengjie, "SCHEME: Caching subtrees in genetic programming," in 2008 IEEE Congress on Evolutionary Computation (IEEE World Congress on Computational Intelligence), 2008.
[6]. W. B. Langdon, B. Y. H. Lam, J. Petke, and M. Harman, "Improving CUDA DNA analysis software with genetic programming," in Proceedings of the 2015 Annual Conference on Genetic and Evolutionary Computation, 2015.
[7]. E. Hemberg, L. Ho, M. O'Neill, and H. Claussen, "A symbolic regression approach to manage femtocell coverage using grammatical genetic programming," in Proceedings of the 13th annual conference companion on Genetic and evolutionary computation, 2011.
[8]. M. Nicolau, and M. Fenton, "Managing repetition in grammar-based genetic programming," in Proceedings of the Genetic and Evolutionary Computation Conference 2016, 2016.
[9]. D. Yagyasen, M. Darbari, P. K. Shukla, and V. Kumar, "Diversity and convergence issues in evolutionary multiobjective optimization: application to agriculture science," IERI Procedia, vol. 5, pp. 81-86, 2013.
[10]. M. M. OUVÊA JR, and A. F. R.ARAÚJO, "Diversity - based adaptive evolutionary algorithms," New Achievements in Evolutionary Computation, pp. 318-334, 2010.
Các bài báo tham chiếu
- Hiện tại không có bài báo tham chiếu