Algorithmic Chemistry in Genetic Programming Informatics and Information Technologies Student Research Conference, 2006 Vojtech Szöcs Vedúci projektu:

Prezentácia na tému: "Algorithmic Chemistry in Genetic Programming Informatics and Information Technologies Student Research Conference, 2006 Vojtech Szöcs Vedúci projektu:"— Prepis prezentácie:

1 Algorithmic Chemistry in Genetic Programming Informatics and Information Technologies Student Research Conference, 2006 Vojtech Szöcs Vedúci projektu: Doc. RNDr. Jiří Pospíchal, DrSc. Fakulta Informatiky a Informačných Technológií, STU 26. apríl, 2006

2 Obsah Predstavenie výpočtového modelu Transformačný proces
Program a efektívnosť výpočtov Aplikácia genetického programovania Zaujímavé oblasti výskumu Príklad: vývoj fitness pre problém parity

3 Predstavenie výpočtového modelu
„Human brain is like a parachute. It works best, when it is open.“ Nová alternatíva ku klasickému, deterministickému výpočtovému modelu a architektúre (von Neumann) Transformácia vstupov na výstupy bez potreby programovania výpočtových krokov Program obsahuje multi-množinu inštrukcií, z ktorej sú inštrukcie počas výpočtu vyberané náhodne M = {I1, I2, I1, I3, …}

4 Predstavenie výpočtového modelu
Inštrukcie z multi-množiny operujú nad systémom registrov s podobným princípom ako 3-adresové strojové inštrukcie Hlavný rozdiel je vo výbere nasledujúcej inštrukcie na vykonanie Výber inštrukcie je ovplyvnený Typom náhodného výberu (uniformný, gaussovský, ...) Zložením multi-množiny (distribúcia pravdepodobností pre rôzne inštrukcie) Napriek teoretickej nepredvídateľnosti majú výsledky programu tendenciu spadať do určitej aproximačnej oblasti

5 Predstavenie výpočtového modelu
Vďaka genetickému programovaniu máme možnosť hľadať optimálne programy Definované vstupy a očakávané výstupy Bez potreby „debuggingu“ či analýzy efektívnosti Výborná škálovateľnosť procesu (miera „istoty“ zistených výsledkov) Programovanie v tomto zmysle znamená len definíciu prvotnej množiny inštrukcií, z ktorej sa vytvorí prvá generácia jedincov (programov) Evolúcia sa postará o zvyšok ☺

6 Transformačný proces Analógia s chemickou reakciou
Vstupy ako reaktanty Výstupy ako produkty Na inštrukcie sa pozeráme ako na elementárne chemické procesy, ktoré menia svoje prostredie Prostredie je modelované systémom registrov Vstupné registre (read-only) → vstupy Spojovacie registre → tok údajov, výstupy Konštantné registre (read-only) → parametrizácia prostredia Metóda opakovaného vyhodnotenia programov Spôsob interpretácie výsledného stavu spojovacích registrov (mapovanie do výstupného vektora)

7 Program a efektívnosť výpočtov
Úplný opis transformácie vo výpočtovom modeli Distribúcia pravdepodobností inštrukcií v multi-množine Význam jednotlivých inštrukcií Efektívnosť výpočtu programu Počet vykonaní inštrukcií potrebných na dosiahnutie priblíženia sa ku očakávaným výsledkom Miera priblíženia sa ku očakávaným výsledkom „Zviazať ruky evolúcii?“ Tvorba neproduktívnych inštrukcií (R1 = R1 AND TRUE) Konštantný počet vykonaní inštrukcií? Zdieľanie rovnakého cieľového registra viacerými inštrukciami (viac rozdielnych tokov riadenia programu)

8 Aplikácia genetického programovania
Systematické hľadanie optimálnych programov pomocou techník výberu a reprodukcie Genóm programu tvorí multi-množina inštrukcií Na začiatku procesu evolúcie sa programy, resp. ich príslušné multi-množiny vytvoria náhodným výberom inštrukcií z prvotnej multi-množiny Vopred daná prvotná multi-množina Náhodne generovaná multi-množina Zoradenie programov podľa fitness vzostupne Výber určitej frakcie generácie pre reprodukciu Kríženie alebo klonovanie a následná mutácia

9 Zaujímavé oblasti výskumu
Rôzne typy náhodného výberu inštrukcií Počet vykonaní inštrukcií pri vykonaní programu Mapovanie hodnôt výsledných spojovacích registrov do výstupného vektora Experimentovanie s formátom inštrukcie

10 Príklad: vývoj fitness pre problém parity

11 Priestor pre otázky