論文の概要: Phylogeny-informed fitness estimation

• arxiv url: http://arxiv.org/abs/2306.03970v1
• Date: Tue, 6 Jun 2023 19:05:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 17:28:13.448648
• Title: Phylogeny-informed fitness estimation
• Title（参考訳）: フィロジェニーインフォームドフィットネス推定
• Authors: Alexander Lalejini, Matthew Andres Moreno, Jose Guadalupe Hernandez, Emily Dolson
• Abstract要約: 本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。 以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。 この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
• 参考スコア（独自算出の注目度）: 58.720142291102135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phylogenies (ancestry trees) depict the evolutionary history of an evolving population. In evolutionary computing, a phylogeny can reveal how an evolutionary algorithm steers a population through a search space, illuminating the step-by-step process by which any solutions evolve. Thus far, phylogenetic analyses have primarily been applied as post-hoc analyses used to deepen our understanding of existing evolutionary algorithms. Here, we investigate whether phylogenetic analyses can be used at runtime to augment parent selection procedures during an evolutionary search. Specifically, we propose phylogeny-informed fitness estimation, which exploits a population's phylogeny to estimate fitness evaluations. We evaluate phylogeny-informed fitness estimation in the context of the down-sampled lexicase and cohort lexicase selection algorithms on two diagnostic analyses and four genetic programming (GP) problems. Our results indicate that phylogeny-informed fitness estimation can mitigate the drawbacks of down-sampled lexicase, improving diversity maintenance and search space exploration. However, the extent to which phylogeny-informed fitness estimation improves problem-solving success for GP varies by problem, subsampling method, and subsampling level. This work serves as an initial step toward improving evolutionary algorithms by exploiting runtime phylogenetic analysis.
• Abstract（参考訳）: 系統樹は進化する個体群の進化の歴史を描いている。 進化論では、進化的アルゴリズムが探索空間を通して集団を操り、あらゆる解が進化するステップバイステップの過程を照らす方法を明らかにすることができる。 これまでのところ、系統解析は主に既存の進化アルゴリズムの理解を深めるために使われるポストホック解析として適用されてきた。 本稿では,進化的探索中に親選択手順を補強するために,実行時に系統解析が使用できるかどうかを検討する。 具体的には、住民のフィロジェニーを利用してフィットネス評価を推定するフィロジェニーインフォームドフィットネス推定法を提案する。 我々は,2つの診断分析と4つの遺伝的プログラミング(GP)問題に基づいて,ダウンサンプルレキシケースとコホートレキシケース選択アルゴリズムの文脈で,系統的インフォームドフィットネス推定を評価した。 以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプルレキシケースの欠点を軽減し, 多様性の維持と探索空間の探索を改善できることが示唆された。 しかしながら、系統的不適合度推定がgpの問題解決成功を向上させる程度は、問題、サブサンプリング法、サブサンプリングレベルによって異なる。 この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。

関連論文リスト

• A Guide to Tracking Phylogenies in Parallel and Distributed Agent-based Evolution Models [0.0]
  エージェントベースモデルを用いたサイリコ研究では、シミュレートされたエージェント間の祖先関係の高品質な記録を収集する機会を提供する。 現存する研究は通常、系統を直接追跡し、進化史の正確な系統学的な記録を生み出している。 ポストホック推定は、生物情報学者が生物間の遺伝的類似性を評価することによって植物学を構築する方法に似ている。
  論文  参考訳（メタデータ） (2024-05-16T15:27:51Z)
• Phylogeny-Informed Interaction Estimation Accelerates Co-Evolutionary Learning [42.642008092347986]
  本稿では、系統解析を用いて相互作用結果を推定する系統情報インフォームドインタラクション推定手法を提案する。 系統的インフォームド推定は,問題解決に必要な計算量を大幅に削減できることがわかった。
  論文  参考訳（メタデータ） (2024-04-09T19:29:19Z)
• Runtime phylogenetic analysis enables extreme subsampling for test-based problems [42.642008092347986]
  そこで我々は, テストベース問題の解決に向け, 実行時系統解析を利用する新しいサブサンプリング手法である, フィロジェy-informed subsamplingを紹介した。 系統的インフォームドサブサンプリング法により,他のサブサンプリング法が失敗する極端なサブサンプリングレベルでの問題解決が可能であることがわかった。 診断実験により, 植物性インフォームドサブサンプリングは, ランダムサブサンプリングと比較して多様性の維持を向上することが示されたが, 選抜方法によって変化する適合勾配を迅速に活用するための選抜方式の能力に対する効果が示唆された。
  論文  参考訳（メタデータ） (2024-02-02T18:14:33Z)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• Biophysical Cybernetics of Directed Evolution and Eco-evolutionary Dynamics [0.0]
  我々は、生態学と個々の遺伝子型/フェノタイプの両方の複雑さをマップする双対性を導入する。 我々は、部分的に観察可能なマルコフ決定プロセスという形で「直接進化」の問題に対処する。 これは、非常に一般的なタイプのエコ進化軌道を研究するという、難解なケースを提供する。
  論文  参考訳（メタデータ） (2023-05-05T07:45:28Z)
• Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
  本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。 本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
  論文  参考訳（メタデータ） (2021-11-05T02:54:06Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• Population-Based Evolution Optimizes a Meta-Learning Objective [0.6091702876917279]
  メタラーニングと適応的進化性は,一連の学習繰り返しの後,高い性能を最適化する。 我々は、この主張を単純な進化的アルゴリズム、Population-Based Meta Learningで実証する。
  論文  参考訳（メタデータ） (2021-03-11T03:45:43Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)

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。