Genetisch programmeren en codegroei

De complexiteit van de problemen waarmee een ingenieur heden in contact komt, neemt steeds toe. Hierdoor wordt de verleiding om een aantal concepten uit de biologie te lenen en zo het probleemoplossend vermogen van de ingenieur aan te scherpen, groter. Reeds vanaf 1960 probeert men computationele systemen te ontwerpen volgens de principes van Charles Darwin. Genetisch programmeren is zo een dergelijke evolutionaire optimalisatiemethode voor het automatisch creëren van computerprogramma's. Echter, wanneer genetisch programmeren wordt gebruikt om steeds complexere taken op te lossen, vertonen deze programma’s een steeds sterker wordende drang om te groeien (codegroei). Het doel van dit werk is de bestrijding van codegroei in al zijn facetten. Het eerste deel van dit werk omvat de ontwikkeling van een nieuwe methode om codegroei te bestrijden zonder de kwaliteit van de geëvolueerde computerprogramma's negatief te beïnvloeden. Deze methode gaat op zoek naar geschikte deelprogramma’s waarbij aan een aantal voorwaarden moet worden voldaan. Een tweede luik van dit werk bestaat uit de ontwikkeling van adaptieve methoden om codegroei te bestrijden. Deze sturingsalgoritmen hebben als primair doel de instellingen voor de gebruiker te beperken en te vereenvoudigen alsook om probleemafhankelijkheden weg te werken. Dankzij codegroei hebben programma's de neiging om overgespecialiseerd te raken. In het derde deel ontwikkelen we een strategie om nieuwe testvoorbeelden aan te maken. We evalueren tevens de invloed die de nieuw ontwikkelde codegroei begrenzer uitoefent op de robuustheid van de bekomen oplossingen.

Author dc:creator

• Wyns, Bart

Contributors dc:contributor

• Boullart, L

Statement dc:rights

• info:eu-repo/semantics/openAccess

Language dc:language

und

Identifier

https://biblio.ugent.be/publication/472601
http://doi.org/1854/8233
https://biblio.ugent.be/publication/472601/file/1879825

OAI identifier oai:identifier

oai:archive.ugent.be:472601