유전 프로그래밍(GP)의 두 번째 핵심 통찰인 '진화를 통한 탐색'을 수정해, 문제를 구문 파생 과제로 재정의한 Minimalist Genetic Programming(MGP)을 제안했다. MGP는 인간 언어의 미니멀리스트 프로그램에서 영감을 받아, 두 요소를 결합하는 이진 집합 형성 연산자 MERGE를 단순 마르코프 과정으로 사용해 복잡한 구문 구조를 점진적으로 구성한다. 기호 표현의 핵심 구성 요소를 발견하고 이를 MERGE로 점차 결합하는 방식이다. 표준 GP가 비대화(bloat) 탓에 풀기 어려운 기호 회귀 벤치마크에서, 적절한 원자적 구문 객체 어휘가 주어지면 MGP는 정확한 정답 모델을 일관되게 산출했다. 언어학의 미니멀리즘 통찰이 프로그램 귀납 문제에 유효함을 보여준다.
- •GP의 '진화 탐색'을 구문 파생 과제로 재정의한 Minimalist Genetic Programming(MGP) 제안
- •미니멀리스트 프로그램에서 영감받은 이진 연산자 MERGE를 마르코프 과정으로 활용
- •기호 표현의 원자적 구성 요소를 발견해 점진적으로 결합하는 방식
- •표준 GP가 bloat로 실패하는 기호 회귀 벤치마크에서 정확한 정답 모델을 일관되게 산출
- •언어학 미니멀리즘 통찰이 프로그램 귀납에 적용 가능함을 입증
Minimalist Genetic Programming
- 1.MGP, 진화 대신 언어학 미니멀리스트 프로그램의 MERGE 연산을 차용
- 2.이진 집합 형성자 MERGE로 마르코프 과정처럼 구문 구조를 점진 구축
- 3.심볼릭 회귀서 표준 GP가 블로트로 실패하는 문제를 정확 모델로 해결
- 4.적절한 원자 구문객체 어휘 선택 시 정답 모델을 일관 생성
왜 중요한가?
유전 프로그래밍의 두 번째 핵심 통찰인 진화적 탐색을 구문 도출로 대체해, 블로트 때문에 어려운 심볼릭 회귀에서 표준 GP보다 일관되게 정확한 해를 찾음으로써 언어 미니멀리즘이 프로그램 귀납에 유효함을 입증했다.
🏷️ 언급 프로젝트
유전 프로그래밍(Genetic Programming)의 개념을 최소주의적 관점에서 접근하여, 프로그램 유도 문제 해결의 효율성을 모색합니다. 복잡한 문제 해결을 위한 알고리즘 개발과 최적화에 관심을 갖는 국내 연구자와 개발자들에게, 간소화된 접근 방식이 새로운 응용 가능성을 열어줄 수 있음을 보여줍니다.
본문 미리보기
arXiv:2606.10237v1 Announce Type: new Abstract: Genetic programming (GP) is based on two important insights. First, that any learning task can fundamentally be posed as a program induction problem, where the goal is to construct a symbolic hierarchical model that is expressed as a syntax tree. Second, to pose this task as a search problem, and use evolution to locate the desired model. Since it was proposed, GP has produced notable results in a wide range of tasks and problem domains. This work
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
