遗传编程在线学习答案

【问题标题】：Genetic Programming Online Learning遗传编程在线学习
【发布时间】：2011-02-07 08:12:36
【问题描述】：

有没有人见过使用online learning 而不是标准离线学习的GP？我已经完成了一些关于基因程序的工作，但我根本不知道什么是使学习过程在线的好方法。

如果您有任何想法、看到任何实现或有任何我可以查看的参考资料，请告诉我。

【问题讨论】：

【解决方案1】：

根据 Wikipedia 链接，在线学习“一次学习一个实例”。在线/离线标签通常是指如何将训练数据馈送到监督回归或分类算法。由于遗传编程是一种启发式搜索，它使用评估函数来评估其解决方案的适应度，而不是带有标签的训练集，因此这些术语并不真正适用。

如果您要问的是 GP 算法的输出（即最佳表型）是否可以在它仍在“寻找”更好的解决方案时使用，我认为没有理由不这样做，假设它对您有意义域/应用程序。一旦您的 GA/GP 人口的适合度达到某个阈值，您就可以将该解决方案应用于您的应用程序，并继续运行 GP，当有更好的解决方案可用时切换到新的解决方案。

沿着这条路线的一种方法是一种称为rtNEAT的算法，它尝试使用遗传算法实时生成和更新神经网络。

【讨论】：

您的答案与遗传算法（一种用于例如组合优化问题的元启发式算法）有关。 OP 的问题与遗传编程有关——这是两个非常不同的东西，甚至在属种方面都没有关系（即，一个不包括另一个）。
答案适用于 GA 和 GP。是的，两者是不同的，但它们使用相同的基因进化原理运作。

【解决方案2】：

我通过 Google 学者搜索 online Genetic Programming 找到了一些示例。

看起来他们确实找到了一种方法，让 GP 在实际活动中修改机器人控制系统的机器代码 - 太酷了！

这些作者继续创作更多相关的工作，例如这项改进：

希望他们的工作足以让你开始 - 我没有足够的基因编程经验，无法给你任何具体的建议。

【讨论】：

【解决方案3】：

看起来他们确实找到了一种方法，让 GP 在实际活动中修改机器人控制系统的机器代码 - 太酷了！

是的，Uni Dortmund 的部门非常热衷于线性 GP :-)

GP 程序的直接执行与解释代码相比具有一些优势，尽管在这些日子里，您可能更愿意使用 Java、C# 或 Obj-C 等动态语言，这些语言允许您在运行时编写类/方法虽然您仍然可以从一些运行时中受益，而不是在原始 CPU 上运行。

在我看来，在线学习方法与“经典 GP”没有什么绝对新颖或不同的地方。据我了解，这只是在运行时扩展训练/健身/测试用例集的一个案例？

干杯，周杰伦

【讨论】：