简单的遗传算子是概率分布的通用逼近器（和表达性编码的其他优势）
摘要：进化算法的内在能力特征。这种能力取决于遗传编码的计算特性。通过一些编码，两个父代使用简单的交叉运算符可以从任意的子代表现分布中采样。在本文中，将这种编码称为富有表现力的编码。包括遗传规划和神经网络的流行进化子结构在内的通用函数逼近器可以用来构建富有表现力的编码。令人惊讶的是，这种方法不仅适用于表现型是函数的领域：即使在优化静态结构（如二进制向量）时也可以实现表现力。这样更简单的设置使得能够从理论上对表现力进行表征：在各种测试问题中，富有表现力的编码显示出比标准直接编码高达超指数收敛速度的优势。结论是，在遗传规划、神经进化、遗传算法和理论等多样的进化计算领域中，富有表现力的编码可以成为理解和实现进化的全部潜力的关键。
作者：Elliot Meyerson, Xin Qiu and Risto Miikkulainen
论文ID：2202.09679
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-08-04