Mutace v kartézském genetickém programování

Abstract

Tato práce se zabývá zkoumáním různých druhů mutací v kartézském genetickém programování (CGP) na úlohách symbolické regrese. CGP je druh evolučního algoritmu, který pracuje se spustitelnými strukturami. Mutace je u CGP hlavním genetickým operátorem a v kombinaci s ohodnocením zabírá nejdelší dobu běhu algoritmu. Nalezení lepšího druhu mutace proto může výrazně zrychlit tvorbu nových jedinců, a tak i zkrátit dobu běhu algoritmu. Tato práce představuje čtyři druhy mutací používané v CGP. Experimenty porovnávají tyto mutační operátory při řešení pěti úloh symbolické regrese. Ukazuje se, že vhodnou volbou mutace lze dosáhnout až skoro dvojnásobného zrychlení oproti standardnímu mutačnímu operátoru.This thesis examines various kinds of mutations in the Cartesian Genetic Programming (CGP) on tasks of symbolic regression. The CGP is kind of evolutionary algorithm which operates with executable structures. Programs in CGP are evolved using mutation, which leads to offspring evaluation, which is the most time-consuming part of the algorithm. Finding more suitable kind of mutation can significantly accelerate the creation of new individuals and thus, reduce the time necessary to find a satisfactory solution. This thesis presents four different mutations for CGP. Experiments compare these mutation operators to solve five tasks of symbolic regression. Experiments have shown that a choice of suitable mutation can almost double the computing speed in comparison to the standard mutation.