Porównanie skuteczności GEP (Gene Expression Programming) z innymi algorytmami genetycznymi

master
dc.abstract.enThe goal of this thesis is to create a library for automatic generation of computer programs using Genetic Programming (GP), Gene Expression Programming (GEP) and Multi Expression Programming (MEP), and then to test it on four benchmark problems. The main goal of the new library is the ease of application for new problems, and ability to apply several optimization algorithms reusing the same problem definition. Experimental results justify supplying several genetic programming algorithms within a single package. No algorithm achieved satisfactory performance in all tasks. The artificial ant and 6-multiplexer problems were solved with least effort using GP. For symbolic regression and classification of irises with decision trees, GEP with automatically defined functions was the most efficient. Also tested were different methods of encoding numberical constants, and means of handling evaluation errors in generated programs. The results suggest that these details are irrelevant. The last result is a new genetic operator, MEP transposition. This operator significantly improved efficiency of the algorithm in artificial ant problem, while not affecting the performance in other tasks.pl
dc.abstract.plCelem niniejszej pracy jest stworzenie biblioteki do ewolucyjnego tworzenia programów algorytmami Genetic Programming (GP), Gene Expression Programming (GEP) i Multi Expression Programming (MEP), a następnie sprawdzenie jej działania na czterech zadaniach testowych. Planowanymi celami biblioteki jest łatwość zastosowania do nowych problemów, oraz możliwość zastosowania różnych metod optymalizacyjnych przy jednokrotnej definicji problemu. Wyniki eksperymentów usprawiedliwiają dostarczenie kilku metod programowania genetycznego w ramach jednej biblioteki. Żaden algorytm nie miał zadowalającej skuteczności w każdym zadaniu. Problemy sztucznej mrówki i 6-multipleksera były najlepiej rozwiązywane przez GP. Zadania regresji symbolicznej i klasyfikacji irysów za pomocą drzew decyzyjnych najskuteczniej rozwiązywał GEP z automatycznie definiowanymi funkcjami. Przebadano także działanie różnych sposobów kodowania stałych liczbowych, oraz mechanizmów obsługi błędów w generowanych programach. Otrzymane wyniki sugerują, iż szczegóły te nie mają znaczenia. Ostatnim rezultatem jest nowy operator genetyczny transpozycji MEP. Operator ten znacząco polepszył działanie algorytmu w zadaniu sztucznej mrówki, nie zmieniając skuteczności w pozostałych zadaniach.pl
dc.affiliationWydział Fizyki, Astronomii i Informatyki Stosowanejpl
dc.contributor.advisorBogacz, Leszek - 101713 pl
dc.contributor.authorJaneczek, Michałpl
dc.contributor.departmentbycodeUJK/WFAISpl
dc.contributor.reviewerGrzesiak-Kopeć, Katarzyna - 102580 pl
dc.contributor.reviewerBogacz, Leszek - 101713 pl
dc.date.accessioned2020-07-20T19:41:06Z
dc.date.available2020-07-20T19:41:06Z
dc.date.submitted2011-11-16pl
dc.fieldofstudyinformatyka stosowanapl
dc.identifier.apddiploma-60961-2590pl
dc.identifier.projectAPD / Opl
dc.identifier.urihttps://ruj.uj.edu.pl/xmlui/handle/item/174540
dc.languagepolpl
dc.subject.engene expression programming geneticpl
dc.subject.plgene expression programming programowanie genetycznepl
dc.titlePorównanie skuteczności GEP (Gene Expression Programming) z innymi algorytmami genetycznymipl
dc.title.alternativeComparison of Gene Expression Programming with other genetic algorithmspl
dc.typemasterpl
dspace.entity.typePublication
dc.abstract.enpl
The goal of this thesis is to create a library for automatic generation of computer programs using Genetic Programming (GP), Gene Expression Programming (GEP) and Multi Expression Programming (MEP), and then to test it on four benchmark problems. The main goal of the new library is the ease of application for new problems, and ability to apply several optimization algorithms reusing the same problem definition. Experimental results justify supplying several genetic programming algorithms within a single package. No algorithm achieved satisfactory performance in all tasks. The artificial ant and 6-multiplexer problems were solved with least effort using GP. For symbolic regression and classification of irises with decision trees, GEP with automatically defined functions was the most efficient. Also tested were different methods of encoding numberical constants, and means of handling evaluation errors in generated programs. The results suggest that these details are irrelevant. The last result is a new genetic operator, MEP transposition. This operator significantly improved efficiency of the algorithm in artificial ant problem, while not affecting the performance in other tasks.
dc.abstract.plpl
Celem niniejszej pracy jest stworzenie biblioteki do ewolucyjnego tworzenia programów algorytmami Genetic Programming (GP), Gene Expression Programming (GEP) i Multi Expression Programming (MEP), a następnie sprawdzenie jej działania na czterech zadaniach testowych. Planowanymi celami biblioteki jest łatwość zastosowania do nowych problemów, oraz możliwość zastosowania różnych metod optymalizacyjnych przy jednokrotnej definicji problemu. Wyniki eksperymentów usprawiedliwiają dostarczenie kilku metod programowania genetycznego w ramach jednej biblioteki. Żaden algorytm nie miał zadowalającej skuteczności w każdym zadaniu. Problemy sztucznej mrówki i 6-multipleksera były najlepiej rozwiązywane przez GP. Zadania regresji symbolicznej i klasyfikacji irysów za pomocą drzew decyzyjnych najskuteczniej rozwiązywał GEP z automatycznie definiowanymi funkcjami. Przebadano także działanie różnych sposobów kodowania stałych liczbowych, oraz mechanizmów obsługi błędów w generowanych programach. Otrzymane wyniki sugerują, iż szczegóły te nie mają znaczenia. Ostatnim rezultatem jest nowy operator genetyczny transpozycji MEP. Operator ten znacząco polepszył działanie algorytmu w zadaniu sztucznej mrówki, nie zmieniając skuteczności w pozostałych zadaniach.
dc.affiliationpl
Wydział Fizyki, Astronomii i Informatyki Stosowanej
dc.contributor.advisorpl
Bogacz, Leszek - 101713
dc.contributor.authorpl
Janeczek, Michał
dc.contributor.departmentbycodepl
UJK/WFAIS
dc.contributor.reviewerpl
Grzesiak-Kopeć, Katarzyna - 102580
dc.contributor.reviewerpl
Bogacz, Leszek - 101713
dc.date.accessioned
2020-07-20T19:41:06Z
dc.date.available
2020-07-20T19:41:06Z
dc.date.submittedpl
2011-11-16
dc.fieldofstudypl
informatyka stosowana
dc.identifier.apdpl
diploma-60961-2590
dc.identifier.projectpl
APD / O
dc.identifier.uri
https://ruj.uj.edu.pl/xmlui/handle/item/174540
dc.languagepl
pol
dc.subject.enpl
gene expression programming genetic
dc.subject.plpl
gene expression programming programowanie genetyczne
dc.titlepl
Porównanie skuteczności GEP (Gene Expression Programming) z innymi algorytmami genetycznymi
dc.title.alternativepl
Comparison of Gene Expression Programming with other genetic algorithms
dc.typepl
master
dspace.entity.type
Publication
Affiliations

* The migration of download and view statistics prior to the date of April 8, 2024 is in progress.

Views
47
Views per month
Views per city
Warsaw
6
Indore
5
Albuquerque
4
Knurow
3
Rzeszów
3
Wroclaw
3
Helsinki
2
Rio Rancho
2
Bangkok
1
Beijing
1

No access

No Thumbnail Available