Graphbasierte Genetische Programmierung

Abstract

Die Genetische Programmierung (GP) ist ein an die Evolutionstheorie angelehntes Optimierungsverfahren, bei dem mit Hilfe der Prinzipien von Vererbung und Selektion heuristisch Problemlösungen gesucht werden. Während verwandte Verfahren wie die Evolutionsstrategien bevorzugt für Parameteroptimierungen genutzt werden, wird GP hauptsächlich zur Strukturoptimierung eingesetzt. In der Genetischen Programmierung stellen Elemente des Suchraums Computerprogramme dar. Diese Programme sind Ausdrücke einer formalen Sprache und wurden in den ersten GP-Systemen durch Ableitungsbäume repräsentiert. Für viele Problemstellungen ist jedoch eine Repräsentation durch Graphen nahe liegender. In dieser Arbeit wird das GP-System GGP vorgestellt, das GP-Programme als Graph kodiert: Neben der Einführung der neuen graphbasierten Individuenrepräsentation werden die neu entwickelten, dazu passenden, genetischen Operatoren definiert und erläutert. Die Leistungsfähigkeit im Vergleich zu einem herkömmlichen, baumbasierten GP-System konnte anhand von GP-typischen Testproblemen empirisch belegt werden. Eine Analyse der hierbei gewonnenen Ergebnisse führte zu mehreren Systemerweiterungen: Adaptive Verfahren zur Operatorauswahl, neue Methoden zur Veränderung der Schrittweiten im Suchraum sowie die dynamische Verwaltung mehrerer Teilpopulationen von GP-Individuen ermöglichen eine weitere signifikante Verbesserung der Ergebnisse der Testprobleme. Durch Isomorphiebetrachtungen bzgl. der erzeugten GP-Programme kann die Anzahl der benötigten Rechenoperationen zusätzlich signifikant gesenkt werden. Die Evolution paralleler Algorithmen als eine Anwendung des GP-Systems schließt diese Arbeit ab.