Tracing of Evolutionary Search Trajectories in Complex Hypothesis Spaces

Created by W.Langdon from gp-bibliography.bib Revision:1.7630

@PhdThesis{Burlacu:thesis,

• author = "Bogdan Burlacu",
• title = "Tracing of Evolutionary Search Trajectories in Complex Hypothesis Spaces",
• school = "University Linz",
• year = "2017",
• address = "Austria",
• keywords = "genetic algorithms, genetic programming, evolutionary computation, evolutionary tracing, evolutionary dynamics, genotype-phenotype map, system identification, genetische Programmierung, evolutionare Algorithmus, evolutionaere Verfolgung, evolutionaere Dynamik, Genotyp-Phaenotyp Karte, Systemidentifikation",
• URL = "https://epub.jku.at/obvulihs/content/titleinfo/2246376",
• URL = "https://epub.jku.at/obvulihs/download/pdf/2246376",
• URL = "https://epub.jku.at/obvulihs/download/pdf/2246376.pdf",
• size = "213 pages",
• abstract = "Understanding the internal functioning of evolutionary algorithms is an essential requirement for improving their performance and reliability. Increased computational resources available in current mainstream computers make it possible for new previously infeasible research directions to be explored. Therefore, a comprehensive theoretical analysis of their mechanisms and dynamics using modern tools becomes possible. Recent algorithmic achievements like offspring selection in combination with linear scaling have enabled genetic programming (GP) to achieve high quality results in system identification in less than 50 generations using populations of only several hundred individuals. Therefore, the active gene pool of evolutionary search remains manageable and may be subjected to new theoretical investigations closely related to genetic programming schema theories, building block hypotheses and bloat theories.

  Genetic algorithms emulate emergent systems in which complex patterns are formed from an initially simple and random pool of elementary structures. In GP, complexity emerges under the influence of stabilizing selection which preserves the useful genetic variation created by recombination and mutation. The mapping between the structures used for solution representation and the ones used for the evaluation of fitness has a major influence on algorithm behavior. Population-wide effects concerning building blocks, genetic diversity and bloat can be conceptually seen as results of the complex interaction between phenotypic operators (selection) and genotypic operators (mutation and recombination). This coupling known as the variation-selection loop is the main engine for GP emergent behavior and constitutes the main topic of this research.

  This thesis aims to provide a unified theoretical framework which can explain GP evolution. To this end, it explores the way in which the genotype-phenotype map, in relation with the evolutionary operators (selection, recombination, mutation) determines algorithmic behaviour. As the title suggests, the main contribution consists of a novel tracing framework that makes it possible to determine the exact patterns of building block and gene propagation through the generations and the way smaller elements are gradually assembled into more complex structures by the evolutionary algorithm.",

• zusammenfassung = "Um die Leistung und Zuverlaessigkeit von evolutionaeren Algorithmen zu verbessern, ist es notwendig deren interne Funktionsweise zu verstehen. Die hohe Rechenleistung aktueller Mainstream-Computer erlaubt neue Forschungsrichtungen zu erkunden, welche frher, aufgrund fehlender Rechenleistung, nicht moeglich waren. Fuer evolutionaere Algorithmen wird es dadurch moeglich, deren interne Mechaniken und Dynamiken umfangreich zu analysieren. Aktuelle algorithmische Fortschritte, wie Nachkommensselektion (Offspring Selection) in Kombination mit linearer Skalierung, ermoeglicht Genetischer Programmierung (GP) hochqualitative Ergebnisse in der Systemidentifikation zu erreichen, in weniger als 50 Generationen bei einer Populationsgroesse von nur wenigen hunderten Individuen. Der dadurch ueberschaubare aktive Genpool der evolutionaeren Suche ermoeglicht neue theoretische Untersuchungen zum GP Schema Theorem, zur Baustein Hypothese und zu Bloat-Theorien.

  Genetische Algorithmen emulieren emergente Systeme in denen komplexe Muster geformt werden, basierend auf einer initialen, zufaellig generiertem Menge an elementaren Strukturen. In GP entsteht die Komplexitaet durch den Einfluss der stabilisierenden Selektion, welche nuetzliche genetische Variation erhaelt die von Rekombination und Mutation erzeugt werden. Die Zuordnung zwischen Strukturen zur Loesungsrepraesentation (Genotyp) und Fitnessevaluierung (Phaenotyp) beeinflusst das algorithmische Verhalten stark. Populationsweite Auswirkungen betreffend Bausteine, genetischer Diversitaet und Bloat entstehen durch das komplexe Zusammenwirken phaenotypischen Operatoren (Selektion) und genotypischen Operatoren (Rekombination und Mutation). Dieser Mechanismus, bekannt als Variation-Selektion Schleife, ist die treibende Kraft des emergente Verhalten von GP und bildet das Hauptforschungsthema dieser Arbeit.

  Diese Arbeit zielt darauf ab, einen einheitlichen, theoretischen Rauem zu schaffen welcher Evolution in GP erklaeren kann. Dafuer wird der Einfluss von auf das algorithmische Verhalten untersucht, basierend auf die Zuordnung von Genotyp und Phaenotyp, unter Beruecksichtigung der evolutionaerer Operatoren (Selektion, Rekombination, Mutation). Wie der Titel der Arbeit bereits andeutet, besteht der wichtigste Beitrag aus einem neuartigen System zur UEberwachung und Rueckverfolgung von Genen ueber mehrere Generationen hinweg. Dies ermoeglicht es das Verhalten von Bausteinen zu erforschen, sowie zu erkunden wie bei evolutionaeren Algorithmen aus kleinen Elementen nach und nach komplexere Strukturen gebildet werden.",

• notes = "In English

  Supervisor: Michael Affenzeller",

}

Genetic Programming entries for Bogdan Burlacu

Citations