GramGen : a Genetic Programming System Based on Context Free Grammar

• Autorzy: Arnaud Quirin , Jerzy Korczak

Warianty tytułu

GramGen : system programowania genetycznego oparty na gramatyce bezkontekstowej

• Języki publikacji: EN

Abstrakty

EN

In this paper, a new genetic programming system, called GramGen, is described. The system combines context free grammar (CFG) with genetic programming and uses an extended operator set. The objective of the grammar is to limit the size of the search space by allowing the user to define constraints related to the structure or the simplicity of the discovered formulas. These constraints are taken into account by the use of specific genetic operators. The experiments show that the proposed system allows users not only to discover new knowledge but also improve the performance of existing ones.(original abstract)

W artykule przedstawiono platformę programowania genetycznego, zwaną GramGen, łączącą ideę algorytmów ewolucyjnych z gramatyką bezkontekstową (CFG). Zadaniem systemu jest generowanie formuł logicznych (drzew genotypowych), które po przekształceniu do drzew fenotypowych (formuł) są w stanie rozwiązać konkretny problem praktyczny. Jako ilustrację podejścia podano przykład wykorzystania GramGen do regresji symbolicznej funkcji CosLog. W artykule opisano szczegółowo główne algorytmy, operatory genetyczne, sposoby definiowania ograniczeń oraz "strojenia" parametrów systemu.(abstrakt oryginalny)

Słowa kluczowe

EN

Genetic algorithms; Genetic programming; Functions

PL

Algorytmy genetyczne; Programowanie genetyczne; Funkcje

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Informatyka Ekonomiczna
• Rocznik: 2010
• Tom: 16
• Numer: nr 104 Data Mining and Business Intelligence
• Strony: 128--147

Twórcy

autor

Arnaud Quirin

• European Centre for Soft Computing, Mieres, Hiszpania

autor

Jerzy Korczak

• Wrocław University of Economics, Poland

Bibliografia

• Back T., Hoffmeister F., Schwefel H. (1991), A survey of evolution strategies, [in:] Proceedings of the 4th International Conference on Genetic Algorithms, Eds. R.K. Belew, L.B. Booker, Morgan Kaufmann, San Diego, pp. 2-9.
• Freeman J.J. (1998), A linear representation for GP using context free grammars, [in:] Genetic Programming: Proceedings of the Third Annual Conference, University of Wisconsin, Madison, pp. 72-77.
• García-Arnau M, Manrique D., Ríos J., Rodríguez-Patón A. (2007), Initialization method for grammar-guided genetic programming, Knowledge-Based Systems, Vol. 20, No. 2, pp. 127-133.
• Goldberg D.E. (1989), Genetic Algorithms in Search, Optimization, and Machine Learning, Addison--Wesley, Reading, Mass.
• Javed R, Bryant B., Crepinsek M., Mernik M., Sprague A. (2004), Context-free grammar induction using genetic programming, [in:] Proceedings of the 42nd Annual ACM Southeast Conference, Eds. S.-M. Yoo, L.H. Etzkorn, ACM, Huntsville, pp. 404-405.
• Koza J.R. (1992), Genetic Programming, The MIT Press/Bradford Books, Cambridge.
• Manrique D., Márquez R, Rios J., Rodriguez-Paton A (2005), Grammar Based Crossover Operator in Genetic Programming, [in:] Artificial intelligence and knowledge engineering applications: A bio-inspired approach, First International Work-Conference on the Interplay Between Natural and Artificial Computation (IWINAC 2005), Lecture Notes in Computer Science, Vol. 3562/2005, Las Palmas, pp. 252-261.
• Montana D.J. (1994), Strongly typed genetic programming. Technical Report