“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”
19 a 24 de outubro de 2020
Trabalho 14352
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Inteligência Artificial |
| Setor | Instituto de Ciências Exatas e Tecnológicas - Campus Florestal |
| Conclusão de bolsa | Não |
| Primeiro autor | Gustavo Ferreira Viegas de Oliveira |
| Orientador | MARCUS HENRIQUE SOARES MENDES |
| Título | Operador Dinâmico de Controle de Bloat com Rule Based Simplification e Equivalent Decision Simplification |
| Resumo | Um dos principais e mais comuns problemas em Programação Genética (GP- Genetic Programming), principalmente notado em problemas de Regressão Simbólica, é chamado de bloat: o crescimento descontrolado de indivíduos durante o processo evolutivo, sem se notar melhora significativa nos valores de fitness associados a esses programas. Este fenômeno faz com que o GP seja propenso a gerar uma quantidade grande de programas ineficientes que poderiam ser evitados ou reduzidos. Dentre as diversas estratégias para reduzir o bloat, a abordagem de Edição de Código (Code Editing) tem como objetivo principal alterar as sub-árvores que não contribuem para a solução final. Dois algoritmos de remoção de partes redundantes conhecidas, o Rule Based Simplification (RBS) e o Equivalent Decision Simplification (EDS), foram estendidos neste trabalho, buscando melhor desempenho computacional e no potencial de redução dos programas em uma execução de GP. Um conjunto de regras de simplificações, utilizado pelo RBS, passa a se tornar dinâmico após essas melhorias, aprendendo novas regras a partir de simplificações feitas pelo EDS. Uma tabela de regras de simplificações maior melhora o tempo de execução das simplificações RBS, além de evitar que novas chamadas de simplificação em um mesmo indivíduo sejam feitas. Esta melhoria permite incluir mais árvores no fluxo de redução de uma execução de GP com RBS e EDS. Um experimento inicial de regressão simbólica analisou o tempo médio gasto com cada algoritmo de simplificação, mostrando que após as melhorias propostas, a tabela de regras de simplificações podem crescer, em média, até 86% , o que diminui o tempo gasto com simplificações em até 16,83%. Outros três problemas artificiais de regressão simbólica foram testados e mostraram: crescimento nas regras de simplificações conhecidas; melhoria considerável do valor fitness dos programas gerados; e leve redução no tamanho médio dos indivíduos. Pode-se concluir que, as melhorias propostas, mostraram-se eficazes ao estender o poder de redução de sub-árvores dos indivíduos em GP, permitindo que mais indivíduos passem pelas simplificações, de forma mais eficiente, e com aproximadamente o mesmo tempo de execução. |
| Palavras-chave | programação genética, bloat, inteligência artificial |
| Forma de apresentação..... | Vídeo |
| Link para apresentação | Vídeo |
|---|