論文の概要: Effective Adaptive Mutation Rates for Program Synthesis
- arxiv url: http://arxiv.org/abs/2406.15976v1
- Date: Sun, 23 Jun 2024 00:56:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-25 19:43:16.031269
- Title: Effective Adaptive Mutation Rates for Program Synthesis
- Title(参考訳): プログラム合成における効果的な適応的突然変異率
- Authors: Andrew Ni, Lee Spector,
- Abstract要約: 進化的アルゴリズムの問題解決性能は突然変異率に依存する。
本稿では,変異率の特定の必要性を解消する適応的バンディットに基づく突然変異法を提案する。
ソフトウェア合成とシンボリック回帰問題の結果から,本手法の有効性が検証された。
- 参考スコア(独自算出の注目度): 3.2228025627337864
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The problem-solving performance of many evolutionary algorithms, including genetic programming systems used for program synthesis, depends on the values of hyperparameters including mutation rates. The mutation method used to produce some of the best results to date on software synthesis benchmark problems, Uniform Mutation by Addition and Deletion (UMAD), adds new genes into a genome at a predetermined rate and then deletes genes at a rate that balances the addition rate, producing no size change on average. While UMAD with a predetermined addition rate outperforms many other mutation and crossover schemes, we do not expect a single rate to be optimal across all problems or all generations within one run of an evolutionary system. However, many current adaptive mutation schemes such as self-adaptive mutation rates suffer from pathologies like the vanishing mutation rate problem, in which the mutation rate quickly decays to zero. We propose an adaptive bandit-based scheme that addresses this problem and essentially removes the need to specify a mutation rate. Although the proposed scheme itself introduces hyperparameters, we either set these to good values or ensemble them in a reasonable range. Results on software synthesis and symbolic regression problems validate the effectiveness of our approach.
- Abstract(参考訳): プログラム合成に使用される遺伝的プログラミングシステムを含む多くの進化的アルゴリズムの問題解決性能は、突然変異率を含むハイパーパラメータの値に依存する。
ソフトウェア合成ベンチマーク問題において、最も優れた結果を生み出すために使用される突然変異法であるUMAD(Uniform Mutation by Addition and Deletion)は、ゲノムに所定の頻度で新しい遺伝子を追加し、加算率のバランスをとる速度で遺伝子を削除する。
所定の付加率を持つUMADは、他の多くの突然変異およびクロスオーバースキームよりも優れていますが、進化システムの1つの実行内で、すべての問題またはすべての世代において、単一のレートが最適であるとは期待していません。
しかし、自己適応突然変異率のような現在の適応突然変異スキームの多くは、突然変異率が急速にゼロに崩壊する、消滅する突然変異率問題のような病理に苦しむ。
本稿では,この問題に対処し,突然変異率の特定の必要性を解消する適応的帯域幅に基づく手法を提案する。
提案手法自体はハイパーパラメータを導入しているが、良い値に設定するか、妥当な範囲でアンサンブルするかのいずれかである。
ソフトウェア合成とシンボリック回帰問題の結果から,本手法の有効性が検証された。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳(メタデータ) (2024-11-21T10:26:17Z) - Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。
異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。
この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
論文 参考訳(メタデータ) (2024-07-20T12:42:24Z) - Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。
突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
論文 参考訳(メタデータ) (2024-05-16T03:53:21Z) - Predicting loss-of-function impact of genetic mutations: a machine
learning approach [0.0]
本稿では,遺伝子変異の属性に基づいて機械学習モデルを学習し,LoFtoolスコアを予測することを目的とする。
これらの属性には、染色体上の突然変異の位置、アミノ酸の変化、変異によって引き起こされるコドンの変化が含まれていた。
モデルは, 平均2乗誤差, 平均2乗誤差, 平均2乗誤差, 平均絶対誤差, 説明分散の5倍のクロスバリデード平均を用いて評価した。
論文 参考訳(メタデータ) (2024-01-26T19:27:38Z) - 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) - Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。
GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。
同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
論文 参考訳(メタデータ) (2022-04-11T01:08:26Z) - A Variational Inference Approach to Inverse Problems with Gamma
Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。
提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文 参考訳(メタデータ) (2021-11-26T06:33:29Z) - A Rank based Adaptive Mutation in Genetic Algorithm [0.0]
本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。
単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と限られた資源制約内での適応的アプローチとの比較実験を行った。
論文 参考訳(メタデータ) (2021-04-18T12:41:33Z) - Balancing Rates and Variance via Adaptive Batch-Size for Stochastic
Optimization Problems [120.21685755278509]
本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。
ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
論文 参考訳(メタデータ) (2020-07-02T16:02:02Z) - Fast Mutation in Crossover-based Algorithms [8.34061303235504]
Doerr、Le、Makhmara、Nguyen(GECCO)で提案された重尾突然変異演算子
Doerr、Le、Makhmara、Nguyen(GECCO)で提案された重尾突然変異演算子
実験的な研究は、ランダムに満足できるMax-3SATインスタンスにも高速突然変異の有効性を示す。
論文 参考訳(メタデータ) (2020-04-14T14:16:42Z) - Self-adaptation in non-Elitist Evolutionary Algorithms on Discrete
Problems with Unknown Structure [2.28438857884398]
進化的アルゴリズムを効果的に活用する上で重要な課題は、パラメータの適切な設定を選択することである。
非決定論的パラメータ制御機構は、進化過程から得られた情報を用いてパラメータを調整する。
自己適応は進化戦略において一般的なパラメータ制御機構である。
論文 参考訳(メタデータ) (2020-04-01T10:35:45Z)
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。