加权变异连接以缓解笛卡尔遗传规划中搜索空间的限制

这项工作提出并评估了一种对笛卡尔遗传规划（CGP）现有变异算子的新修改。我们讨论并强调了CGP如何探索其搜索空间的一个迄今尚未解决的限制，这是由某些节点长时间处于非活动状态引起的。我们的新变异算子旨在通过将每个节点与动态变化的权重相关联来避免这种情况。当改变节点之间的连接时，这些权重用于使概率分布偏向于非活动节点。这样，非活动节点再次变为活动节点的概率更高。我们将变异算子包含到CGP的两个变体中，并在四个布尔学习任务上对这两个版本进行基准测试。我们分析了节点处于非活动状态的平均迭代次数，并表明我们的修改对节点活动具有预期的影响。如果在没有修改的情况下使用与基线中相同数量的节点，那么修改对迭代次数的影响是不明确的，直到达到解决方案为止。然而，我们的结果表明，我们的新变异算子导致相同性能所需的节点更少；这样可以节省每次迭代的CPU时间。