Genetic Programming Theory and Practice V

تئوری و عمل برنامه‌ریزی ژنتیکی V از پنجمین کارگاه آموزشی در مرکز مطالعه سیستم‌های پیچیده دانشگاه میشیگان برای تسهیل تبادل ایده‌ها و اطلاعات مرتبط با پیشرفت سریع ایجاد شد. رشته برنامه نویسی ژنتیک (GP). مشارکت‌های برجسته‌ترین محققان و پزشکان بین‌المللی در عرصه GP، شباهت‌ها و تفاوت‌های بین نتایج نظری و تجربی را در مورد مسائل دنیای واقعی بررسی می‌کند. این متن هم افزایی بین تئوری و عمل را بررسی می‌کند و دیدگاهی جامع از وضعیت هنر در کاربرد GP ایجاد می‌کند.

موضوعات خاصی که در کتاب مورد بررسی قرار می‌گیرد عبارتند از:

<. LI>موانع در حل برنامه های کاربردی پیشرفته در مقیاس بزرگ

• تکنیک های امیدوارکننده، از جمله تناسب اندام و جمعیت های لایه ای سن، استفاده مجدد از کد از طریق کش، بایگانی و اجرای قابل انتقال کتابخانه ها، بهینه سازی پارتو و پردازش پیش و پس از آن
• استفاده از معیارهای نظری اطلاعات و تکنیک های مجموعه
< P>
• رویکردهایی برای کمک به GP در ایجاد راه حل های قابل اعتماد
• استفاده از دانش متخصص برای راهنمایی پزشک
• روش هایی برای دسترسی بیشتر به ابزارهای GP برای افراد غیرمتخصص
• روش های عملی برای درک و انتخاب بین تکثیر اخیر تکنیک ها برای بهبود GP عملکرد
• پتانسیل GP برای دستخوش تغییرات اساسی برای تطبیق با درک گسترده از ژنتیک بیولوژیکی و تکامل

این کار کاربردهای GP را در طیف گسترده‌ای از حوزه‌ها، از جمله بیوانفورماتیک، رگرسیون نمادین برای مدل‌سازی سیستم، مدل‌سازی مالی، طراحی مدار و کنترل‌کننده‌های ربات پوشش می‌دهد. این جلد یک ابزار منحصر به فرد و ضروری برای دانشگاهیان، محققان و متخصصان صنعت درگیر در GP، محاسبات تکاملی، یادگیری ماشین و هوش مصنوعی است.

Genetic Programming Theory and Practice V was developed from the fifth workshop at the University of Michigan’s Center for the Study of Complex Systems to facilitate the exchange of ideas and information related to the rapidly advancing field of Genetic Programming (GP). Contributions from the foremost international researchers and practitioners in the GP arena examine the similarities and differences between theoretical and empirical results on real-world problems. The text explores the synergy between theory and practice, producing a comprehensive view of the state of the art in GP application.

Specific topics addressed in the book include:

• the hurdles faced in solving large-scale, cutting edge applications
• promising techniques, including fitness and age layered populations, code reuse through caching, archives and run transferable libraries, Pareto optimization, and pre- and post-processing
• the use of information theoretic measures and ensemble techniques
• approaches to help GP create trustable solutions
• the use of expert knowledge to guide GP
• ways to make GP tools more accessible to the non-GP-expert
• practical methods for understanding and choosing between the recent proliferation of techniques for improving GP performance
• the potential for GP to undergo radical changes to accommodate the expanded understanding of biological genetics and evolution

The work covers applications of GP to a wide variety of domains, including bioinformatics, symbolic regression for system modeling, financial modeling, circuit design and robot controllers. This volume is a unique and indispensable tool for academics, researchers and industry professionals involved in GP, evolutionary computation, machine learning and artificial intelligence.