字数

1074 字

阅读时间

5 分钟

Describe one crossover operator for tree-based GP. 如何定义一个优化问题 什么算法更适合这一类的问题 可以用随机起点的local search 模拟退火看一下 不会考写伪代码 intuition representation不是operator 如何表示问题 variation: mutation crossover selection reproduction 细节 随机排序 GP不会在考试里 看一下真值表示 spread evenly explain how to use algo to real world problem cup不现实。有structure，

• 如何定义一个优化问题
  • 
• 看一眼NSGA-II
• weighted sum method的问题
  • 找不到concave部分的最优解
• NSGA-II中多样性机制的目的
  • 通过拥挤距离排序使得获得的解spread evenly在最优解里，从而兼顾“逼近最优”与“保持多样”的双重目标
• non-dominated 运行时间
  • O(MN2)
• 遗传规划中的Bloat是什么？为什么它是一个问题？
  • 结构无意义地变得越来越大，过深的树形结构：程序树层级过多，嵌套很深，却对输出结果贡献甚微。
  • 计算资源浪费
  • 惩罚规模，或者用match one point crossover
• 树状遗传编程和线性遗传编程之间有什么区别？
  • 树型 GP用树结构表示程序，节点是函数或运算符，叶子是变量/常数，线性 GP用线性指令序列（类似汇编或三地址码）表示程序
• Describe one crossover operator for tree-based GP.
  • Match one point: first match the subtree: go through from the root and keep the nodes with the same arity. Then exchange the matching subtree.
• Suggest a fitness function for symbolic regression.
  • MSE
• EDAs用概率分布替换交叉和变异操作。
• UMDA的伪代码
  • 
• 单变量EDA相对于多变量EDA的弱点是什么？
  • 一元EDA只估计每个变量的边缘分布，忽略变量间的任何联合分布或依赖关系。在Concatenated traps这类问题上会失效，而多元EDA可以捕捉这些联合关系，生成满足全局最优结构的解。
• UMDA在Onemax问题上的预期运行时间（优化时间）是多少？
  • 
• 共同进化与常规进化有何不同？
  • 协同进化个体的适应度往往由与其他个体的交互结果决定。
  • 协同进化至少有两个或多个相互作用的种群：
• 什么是对抗进化？
• 
  • 也称为 极小极大优化（min–max optimisation），是指在优化过程中不仅要考虑“决策者”（或“攻击者”）自身的目标，还要对抗一个敌对方或扰动方的最坏情况选择
• 什么是Bilinear，find the maxmin-solution.
  • 
  • $$\underset{x}{max}\underset{y}{min}(x-\beta )(y-\alpha )$$
• 描述一个对抗进化
  • 排序网络（Predator），测试用例（Prey）
  • 程序Prey，单元测试Predator
• State the definition of the PDCoEA algorithm.
  • Pairwise Dominance
  • 
  • 
• 协同进化算法具有单调进展是什么意思？
  • 在 最坏—最佳 （max–min 或 min–max）意义下的“保证性能”是 非减 的
  • 算法在对抗任务中逐步变强，不会因环境或对手策略的变化而倒退。
• No Free Lunch Theorem (NFL)定义
  • Functions closed under permutation (c.u.p.)：If function f is in class F, then for any permutation σ, function f ◦ σ is also in F.
  • If a class of functions F is c.u.p., then all BB algorithms have the same average case runtime on F
  • 是一个不现实的猜想
• 什么是ALMost NFL
  • Small modifications to an easy function can make it hard to be optimised
• 解释为什么NFL的假设是不现实的
  • 有structure
• Artificial Fitness Level Method
  • 知道怎么用 推导一下
• Runtime 1+1 EA on ONEMAX: Onlogn
• Apply the artificial fitness level method for (1+1) EA on a simple problem.
  • 这个待办
• 对于你要选择什么算子：
  • 如果是2分的话，就用binary表示，tournament selection, one point crossover, flip one bit each time, 对于更新，使用（Reproduction）n-Elitism.
  • 如果是real value, 就用tounament selection, whole Arithmetic crossover (a, 1-a)，gaussian mutation, 以及n-elitism

贡献者

Larry Shi

文件历史

最后编辑于 15 天前查看完整历史

423c0-update

f9aec-update