私は線形遺伝プログラミングの世界を模索しており、この1つの問題に悩まされています。私にとっては、最も単純な問題のエラーランドスケープは非常に滑らかではないようです。特に、エラーの状況には、常に一定の誤差（ソリューションの適合度がゼロになるギャップ）のこれらの巨大なギャップが含まれているようです。これは、進化的アルゴリズムをプログラム空間上のランダム探索に劣化させ、解を発見することをほとんど不可能にする。そこにいる人には、人々がこれをどう回避するかについての説明がありますか？私は何が欠けていますか？線形遺伝プログラミング - エラーランドスケープ問題
この観察は残念ながら、GPの世界では非常に典型的です。
あなたは興味深い記事を見つけることができます：J. Lehman, K. O. Stanley: Efficiently evolving programs through the search for novelty
それはあまりにも高い選択圧を選択することについてではありません。選択圧力が高すぎるとダイバーシティが失われ、困難な到達可能なグローバルな最適値を見つけるのがずっと困難になります。弱い圧力の下でも、個人は、新しいoptimasの発見につながる子孫を作る機会を持つ。 他の影響は変異ステップ幅である。高い選択圧力がある場合は、発生する可能性がより低いにも関わらず、幅広い変異ステップが可能であることを少なくとも確認する必要があります。 一部の人でも、突然変異演算子に探索スペースのすべての部分に一度に到達できるパワーを与えることを提案しています。http://www.lehmanns.de/shop/nocategory/3400811-9783826597008-anwendungsorientierter-entwurf-evolutionaerer-algorithmen
「ギャップの一定の誤差」とはどういう意味ですか？ – Jay