최소주의 유전 알고리즘

유전 알고리즘(GP)은 두 가지 중요한 통찰력을 바탕으로 있습니다. 첫째, 어떤 학습 과제도 기본적으로 프로그램 유도 문제로 포기할 수 있으며, 목표는 상징적 계층적 모델을 구문 tree로 표현하는 것입니다. 둘째, 이 문제를 탐색 문제로 포기하고, 진화를 사용하여 원하는 모델을 찾습니다. GP이 제안된 이후, GP는 다양한 과제와 문제 영역에서 명예로운 결과를 냈습니다. 이 연구는 GP의 두 번째 핵심 통찰력을 수정하여, 문제를 구문적 유도 과제로 포기하는 대신, 새로운 관점을 제시합니다. 구체적으로, 이 논문은 유전 알고리즘(MGP)의 최소주의 버전을 제시합니다. MGP는 GP와 같은 생물학적 영감을 받았지만, 진화 대신 최소주의 언어 프로그램을 참고하여, 구문은 두 가지 정신 시스템을 연결하는 문제의 최적 해결책으로 이해합니다. 최소주의에서, 핵심 계산 과정은 이진 집합 형성 연산자인 $MERGE$입니다. 이는 단순한 마르코프 프로세스를 사용하여, 복잡한 구문적 구조를 incremental하게 구축할 수 있습니다. MGP는 상징적 표현의 핵심 구성 요소를 발견하고, $MERGE$를 사용하여 incremental하게 결합할 수 있습니다. 제안된 시스템은 표준 GP 시스템이 어려운 문제로 간주되는 상징적 회귀 과제에 대한 벤치마크를 수행했습니다. 결과는, 적절한 어휘가 선택될 때, 표준 GP가 같은 결과를 얻을 수 없는 상징적 회귀 과제에서, MGP는 정확한 ground truth 모델을 일관되게 생성할 수 있음을 보여줍니다. 최소주의의 통찰력은 프로그램 유도 문제에 대한 관련성을 보여주고, 이 연구에서 MGP가 보여주는 잠재력을 고려하여, 더 깊이 연구할 가치가 있습니다.