Genetic Programming Theory and Practice VI

تئوری و عمل برنامه‌ریزی ژنتیکی VI از ششمین کارگاه آموزشی در مرکز مطالعه سیستم‌های پیچیده دانشگاه میشیگان برای تسهیل تبادل ایده‌ها و اطلاعات مرتبط با پیشرفت سریع ایجاد شد. زمینه برنامه ریزی ژنتیکی (GP).

مشارکت های برجسته ترین محققان و متخصصان بین المللی در عرصه GP، شباهت ها و تفاوت های بین نتایج نظری و تجربی را در مورد مسائل دنیای واقعی بررسی می کند. این متن به بررسی هم افزایی بین تئوری و عمل می‌پردازد، و دیدگاهی جامع از وضعیت هنر در کاربرد GP ایجاد می‌کند.

این مشارکت‌ها به چندین موضوع وابسته به هم مهم که از کارگاه امسال شامل:

• استفاده کارآمد و موثر از داده های آزمون
• حفظ تکامل طولانی مدت سیستم های GP ما
• بهره برداری از راه حل های فرعی کشف شده برای استفاده مجدد
• افزایش نقش یک متخصص دامنه

در طول بررسی این مضامین، فصل‌ها انواع تکنیک‌های مورد استفاده گسترده را در میان توصیف می‌کنند. متخصصانی که با مسائل دنیای واقعی در مقیاس صنعتی سر و کار دارند، مانند:

• بهینه سازی پارتو، به ویژه به عنوان وسیله ای برای محدود کردن پیچیدگی راه حل

• انواع مختلفی از جمعیت‌های لایه‌ای سنی یا مکانیسم‌های حفره‌دار
• تقسیم‌بندی داده‌ها، پیشینی یا به صورت تطبیقی، به عنوان مثال، v ia co-evolution
• Cluster Computing یا پردازنده های گرافیکی با هدف عمومی برای محاسبات موازی
• Ensemble/ راه حل های تیمی

این کار کاربردهای GP را در مجموعه ای از حوزه ها، از جمله بیوانفورماتیک، رگرسیون نمادین برای مدل سازی سیستم در تنظیمات مختلف پوشش می دهد. ، طراحی مدار و مدل سازی مالی برای پشتیبانی از مدیریت پورتفولیو.

این جلد ابزاری منحصر به فرد و ضروری برای دانشگاهیان، محققان و متخصصان صنعت درگیر در GP، محاسبات تکاملی، یادگیری ماشین است. و هوش مصنوعی.

Genetic Programming Theory and Practice VI was developed from the sixth workshop at the University of Michigan's Center for the Study of Complex Systems to facilitate the exchange of ideas and information related to the rapidly advancing field of Genetic Programming (GP).

Contributions from the foremost international researchers and practitioners in the GP arena examine the similarities and differences between theoretical and empirical results on real-world problems. The text explores the synergy between theory and practice, producing a comprehensive view of the state of the art in GP application.

These contributions address several significant inter-dependent themes which emerged from this year's workshop, including:

• Making efficient and effective use of test data
• Sustaining the long term evolvability of our GP systems
• Exploiting discovered subsolutions for reuse
• Increasing the role of a Domain Expert

In the course of investigating these themes, the chapters describe a variety of techniques in widespread use among practitioners who deal with industrial-scale, real-world problems, such as:

• Pareto optimization, particularly as a means to limit solution complexity

• Various types of age-layered populations or niching mechanisms
• Data partitioning, a priori or adaptively, e.g., via co-evolution
• Cluster computing or general purpose graphics processors for parallel computing
• Ensemble/team solutions

This work covers applications of GP to a host of domains, including bioinformatics, symbolic regression for system modeling in various settings, circuit design, and financial modeling to support portfolio management.

This volume is a unique and indispensable tool for academics, researchers and industry professionals involved in GP, evolutionary computation, machine learning and artificial intelligence.