論文の概要: Semantically-Oriented Mutation Operator in Cartesian Genetic Programming
for Evolutionary Circuit Design
- arxiv url: http://arxiv.org/abs/2004.11018v1
- Date: Thu, 23 Apr 2020 08:15:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 09:21:12.361276
- Title: Semantically-Oriented Mutation Operator in Cartesian Genetic Programming
for Evolutionary Circuit Design
- Title（参考訳）: 進化回路設計のための直交遺伝的プログラミングにおける意味指向変異演算子
- Authors: David Hodan, Vojtech Mrazek, Zdenek Vasicek
- Abstract要約: 本稿では,組合せ回路の進化設計に適した意味指向突然変異演算子(SOMO)を提案する。
一般的なCGPとその変種と比較して、提案手法は一般的なBooleanベンチマークにかなり早く収束する。
最も複雑な回路は1時間以内で進化し、シングルスレッドの実装は共通のCPU上で実行された。
- 参考スコア（独自算出の注目度）: 0.5414308305392761
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite many successful applications, Cartesian Genetic Programming (CGP)
suffers from limited scalability, especially when used for evolutionary circuit
design. Considering the multiplier design problem, for example, the 5x5-bit
multiplier represents the most complex circuit evolved from a randomly
generated initial population. The efficiency of CGP highly depends on the
performance of the point mutation operator, however, this operator is purely
stochastic. This contrasts with the recent developments in Genetic Programming
(GP), where advanced informed approaches such as semantic-aware operators are
incorporated to improve the search space exploration capability of GP. In this
paper, we propose a semantically-oriented mutation operator (SOMO) suitable for
the evolutionary design of combinational circuits. SOMO uses semantics to
determine the best value for each mutated gene. Compared to the common CGP and
its variants as well as the recent versions of Semantic GP, the proposed method
converges on common Boolean benchmarks substantially faster while keeping the
phenotype size relatively small. The successfully evolved instances presented
in this paper include 10-bit parity, 10+10-bit adder and 5x5-bit multiplier.
The most complex circuits were evolved in less than one hour with a
single-thread implementation running on a common CPU.
- Abstract（参考訳）: 多くの応用が成功したにもかかわらず、デカルト遺伝的プログラミング(cgp)は、特に進化的回路設計に使用される場合、拡張性に乏しい。
例えば、乗算器の設計問題を考えると、5x5ビット乗算器はランダムに生成された初期集団から進化した最も複雑な回路を表す。
CGPの効率は点突然変異演算子の性能に大きく依存するが、この演算子は純粋に確率的である。
これは、GPの探索空間探索能力を改善するために、意味認識演算子のような高度な情報的アプローチが組み込まれている最近の遺伝的プログラミング(GP)と対照的である。
本稿では,組み合わせ回路の進化設計に適した意味的指向突然変異演算子(somo)を提案する。
SOMOはセマンティクスを使用して、各変異された遺伝子に対する最良の値を決定する。
一般的なCGPとその変種と最近のSemantic GPと比較すると,提案手法は表現型のサイズを比較的小さく保ちながら,一般的なBooleanベンチマークにかなり早く収束する。
本稿では, 10ビットパリティ, 10+10ビット加算器, 5x5ビット乗算器について述べる。
最も複雑な回路は1時間以内で進化し、シングルスレッドの実装は共通のCPU上で実行された。
関連論文リスト
- Analysing the Influence of Reorder Strategies for Cartesian Genetic Programming [0.0]
CGPで定義されるグラフのジェノタイプを並べ替える3つの新しい作用素を導入する。
そこで本研究では,CGPをリオーダー法で使用することにより,解が見つかるまでの反復数や適合度が向上することを示す。
しかし、最良のリオーダー演算子は存在しない。
論文 参考訳（メタデータ） (2024-10-01T08:59:01Z) - A Circuit Domain Generalization Framework for Efficient Logic Synthesis
in Chip Design [92.63517027087933]
論理合成(LS)の重要な課題は、回路を等価な機能を持つ単純化回路に変換することである。
この課題に対処するため、多くのLS演算子は、入力DAG上の各ノードに根付いたサブグラフに逐次変換を適用する。
本稿では,データ駆動型LS演算子のパラダイムであるPruneXを提案する。
論文 参考訳（メタデータ） (2023-08-22T16:18:48Z) - Coefficient Mutation in the Gene-pool Optimal Mixing Evolutionary
Algorithm for Symbolic Regression [0.0]
GP-GOMEAはシンボリック回帰のアルゴリズムである。
GP-GOMEA に係数を最適化する簡単な手法が組み込まれていることを示す。
係数変異は、基礎となる方程式をかなりの量で再発見するのに役立ちます。
論文 参考訳（メタデータ） (2022-04-26T08:58:47Z) - Simple Genetic Operators are Universal Approximators of Probability
Distributions (and other Advantages of Expressive Encodings) [27.185579156106694]
本稿では進化的アルゴリズムの本質的なパワーを特徴付ける。
これは、表現的エンコーディングが進化の完全なパワーを理解し、実現するための鍵であることを示している。
論文 参考訳（メタデータ） (2022-02-19T20:54:37Z) - Scaling Gaussian Process Optimization by Evaluating a Few Unique
Candidates Multiple Times [119.41129787351092]
GPに基づく逐次ブラックボックス最適化は,複数の評価ステップの候補解に固執することで効率よく行うことができることを示す。
GP-UCB と GP-EI の2つのよく確立されたGP-Opt アルゴリズムを改良し,バッチ化された GP-Opt の規則を適応させる。
論文 参考訳（メタデータ） (2022-01-30T20:42:14Z) - Non-Gaussian Gaussian Processes for Few-Shot Regression [71.33730039795921]
乱変数ベクトルの各成分上で動作し,パラメータを全て共有する可逆なODEベースのマッピングを提案する。
NGGPは、様々なベンチマークとアプリケーションに対する競合する最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2021-10-26T10:45:25Z) - Frame Averaging for Invariant and Equivariant Network Design [50.87023773850824]
フレーム平均化(FA)は、既知の(バックボーン)アーキテクチャを新しい対称性タイプに不変あるいは同変に適応するためのフレームワークである。
FAモデルが最大表現力を持つことを示す。
我々は,新しいユニバーサルグラフニューラルネット(GNN),ユニバーサルユークリッド運動不変点クラウドネットワーク,およびユークリッド運動不変メッセージパッシング(MP)GNNを提案する。
論文 参考訳（メタデータ） (2021-10-07T11:05:23Z) - Top-N: Equivariant set and graph generation without exchangeability [61.24699600833916]
集合やグラフ上の分布の前にベクトル形状をマッピングするワンショット確率デコーダを考える。
これらの機能は、可変オートエンコーダ(VAE)、生成逆数ネットワーク(GAN)、正規化フローに統合することができる。
Top-nは、トレーニング可能な参照セットから最も関連性の高いポイントを選択することを学ぶ、決定論的で非交換可能なセット生成メカニズムである。
論文 参考訳（メタデータ） (2021-10-05T14:51:19Z) - X-volution: On the unification of convolution and self-attention [52.80459687846842]
本稿では,畳み込み操作と自己注意操作の両方からなるマルチブランチ基本モジュールを提案する。
提案したX-進化は、非常に競争力のある視覚的理解の改善を実現する。
論文 参考訳（メタデータ） (2021-06-04T04:32:02Z) - Zoetrope Genetic Programming for Regression [2.642406403099596]
Zoetrope Genetic Programming (ZGP)アルゴリズムは、数学的表現のオリジナルの表現に基づいている。
ZGPは多数のパブリックドメイン回帰データセットを使用して検証される。
論文 参考訳（メタデータ） (2021-02-26T10:47:10Z) - Genetic Programming is Naturally Suited to Evolve Bagging Ensembles [0.0]
適合度評価と選択の微妙な変化は、単純で従来のGPアルゴリズムを効率的に進化させるのに十分であることを示す。
我々のアルゴリズムは、最先端のアンサンブルと非アンサンブルGPアルゴリズムと非常によく比較できる。
論文 参考訳（メタデータ） (2020-09-13T16:28:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。