Řízení parametrů kartézského genetického programování

Abstract

Cílem této práce je prozkoumat možnosti řízení parametrů u kartézského genetického programování (CGP). Při tomto přístupu dochází ke změně hodnot parametrů (například síly mutace) v průběhu evoluce na základě jejich vlivu na zlepšení fitness. Práce představuje jeden algoritmus pro dynamickou selekci, jeden algoritmus pro řízení parametrů mřížky a tři algoritmy pro adaptivní mutaci. Tyto metody a jejich kombinace byly experimentálně porovnány s referenčním přístupem, kde byly hodnoty parametrů určeny na základě manuálního ladění. Pouze u jedné metody řízení mutace byl prokázán přínos. Tento mechanismus eliminuje potřebu ladění parametru mutace, čímž zjednodušuje a urychluje proces evolučního návrhu.This thesis aims to explore the possibilities of parameter control in the area of cartesian genetic programming (CGP). With this approach, parameters (for instance, mutation probability) are changed on the run based on their impact on fitness improvements. This thesis introduces one method for selection control, one method for grid parameters control, and three algorithms for dynamic mutation. These mechanisms and their combinations were experimentally compared to the reference approach, where parameter values are determined based on manual parameter tuning. Only one algorithm for mutation control has proven to be useful. This method eliminates the necessity of mutation tuning, which simplifies and speeds up an evolutionary design.