Abstract. This paper investigates d

Abstract. This paper investigates developmental evaluation in Genetic Programming (GP). Extant GP systems, including developmental GP systems, typically exhibit modular and hierarchical structure only to the degree it is builtin by the designer; by contrast, biological systems exhibit a high degree of organization in their genotypes. We hypothesise that even when GP systems are subject to changing environments, for which the adaptability arising from modular structure would be advantageous, the benefit is at the species rather than individual level, so that selection is very weak. By contrast, biological systems are selected repeatedly throughout their development process. We suggest that this difference is crucial; that if an individual is evaluated multiple times throughout its development, then modular structure can provide an adaptive advantage to that individual, and hence can be selected for by evolution. We investigate this hypothesis using Tree Adjoining Grammar Guided Genetic Programming (TAG3P) [1], which has good properties for supporting evaluation during incremental development. Our preliminary results show that developmental TAG3P outperforms both original TAG3P and standard tree-based GP on an appropriate problem, in ways which suggest that modular solutions may
have been developed.

Kết quả (Việt) 1:

Tóm tắt. Bài báo này điều tra đánh giá phát triển trong di truyền lập trình (GP). Còn sinh tồn GP hệ thống, bao gồm phát triển của GP hệ thống, thường thể hiện cấu trúc mô-đun và phân cấp chỉ đến mức nó là builtin của nhà thiết kế; ngược lại, sinh học hệ thống triển lãm một mức độ cao của các tổ chức trong kiểu gen của họ. Chúng tôi hypothesise rằng ngay cả khi hệ thống GP có thể thay đổi môi trường, mà khả năng thích ứng phát sinh từ các cấu trúc mô-đun nào được thuận lợi, lợi ích là loài chứ không phải là các cá nhân cấp, do đó lựa chọn là rất yếu. Ngược lại, sinh học hệ thống được lựa chọn liên tục trong suốt quá trình phát triển của họ. Chúng tôi gợi ý rằng sự khác biệt này là rất quan trọng; rằng nếu một cá nhân được đánh giá nhiều lần trong suốt cả sự phát triển của nó, sau đó mô-đun cấu trúc có thể cung cấp một lợi thế thích nghi để cá nhân, và do đó có thể được lựa chọn cho bởi sự tiến hóa. Chúng tôi điều tra giả thuyết này bằng cách sử dụng cây liền kề ngữ pháp hướng dẫn di truyền lập trình (TAG3P) [1], trong đó có các tài sản tốt để hỗ trợ đánh giá trong quá trình phát triển gia tăng. Chúng tôi kết quả sơ bộ cho thấy rằng TAG3P phát triển nhanh hơn so với bản gốc TAG3P và tiêu chuẩn dựa trên cây GP trên một vấn đề thích hợp, theo cách đó cho thấy rằng giải pháp mô-đun có thểđã được phát triển.