Genetic/evolutionary methods are fr

Genetic/evolutionary methods are frequently used to deal with complex adaptive systems. The classic example is a Genetic
Algorithm. A Genetic Algorithm uses a simple linear representation for possible solutions to a problem. This is usually a bit
vector. Unfortunately, the natural representation for many problems is a tree structure. In order to deal with these types of
problems many evolutionary methods make use of tree structures directly. Gene Expression Programming is a new, popular
evolutionary technique that deals with these types of problems by using a linear representation for trees. In this paper we present
and evaluate Robust Gene Expression Programming (RGEP). This technique is a simplification of Gene Expression
Programming that is equally efficient and powerful. The underlying representation of a solution to a problem in RGEP is a bit
vector as in Genetic Algorithms. It has fewer and simpler operators than those of Gene Expression Programming. We describe
the basic technique, discuss its advantages over related methods, and evaluate its effectiveness on example problems.

ผลลัพธ์ (ไทย) 1:

พันธุกรรม / วิวัฒนาการวิธีการที่ใช้บ่อยในการจัดการกับระบบการปรับตัวที่ซับซ้อน ตัวอย่างคลาสสิกเป็นทางพันธุกรรม
ขั้นตอนวิธีการ ขั้นตอนวิธีพันธุกรรมใช้เป็นตัวแทนเชิงเส้นอย่างง่ายสำหรับการแก้ปัญหาที่เป็นไปได้ที่จะแก้ไขปัญหา นี้มักจะเป็นบิต
เวกเตอร์ แต่น่าเสียดายที่การแสดงที่เป็นธรรมชาติสำหรับหลายปัญหาเป็นโครงสร้างต้นไม้ เพื่อที่จะจัดการกับประเภทนี้ของ
ปัญหาวิธีการวิวัฒนาการมากทำให้การใช้งานของโครงสร้างต้นไม้โดยตรง การเขียนโปรแกรมการแสดงออกของยีนเป็นใหม่ที่นิยม
วิวัฒนาการเทคนิคที่เกี่ยวข้องกับปัญหาเหล​​่านี้โดยใช้การแสดงเชิงเส้นสำหรับต้นไม้ ในบทความนี้เรานำเสนอ
และประเมินประสิทธิภาพการเขียนโปรแกรมการแสดงออกของยีน (rgep) เทคนิคนี้คือความเรียบง่ายของการแสดงออกของยีน
การเขียนโปรแกรมที่มีประสิทธิภาพและมีประสิทธิภาพเท่าเทียมกัน การแสดงพื้นฐานของวิธีการแก้ปัญหาในการ rgep เป็นบิต
เวกเตอร์ในขั้นตอนวิธีทางพันธุกรรม แต่ก็มีผู้ประกอบการน้อยลงและง่ายกว่าการเขียนโปรแกรมการแสดงออกของยีน เราจะอธิบาย
เทคนิคขั้นพื้นฐานหารือเกี่ยวกับข้อดีของมันมากกว่าวิธีการที่เกี่ยวข้องและประเมินประสิทธิผลของปัญหาเช่น

ผลลัพธ์ (ไทย) 2:

วิธีพันธุ/วิวัฒนาการมักใช้ในการจัดการกับระบบซับซ้อนแบบอะแดปทีฟ ตัวอย่างคลาสสิกคือ พันธุเป็น
อัลกอริทึมการ ขั้นตอนวิธีพันธุกรรมใช้การแสดงเชิงเส้นอย่างง่ายสำหรับการแก้ไขปัญหาปัญหา ซึ่งโดยปกติจะน้อย
เวกเตอร์ อับ แสดงธรรมชาติหลายปัญหาโครงสร้างต้นไม้ เพื่อจัดการกับเหล่านี้
ปัญหาหลายวิธีวิวัฒนาการให้ใช้โครงสร้างแผนภูมิโดยตรง การเขียนนิพจน์ของยีนเป็นใหม่ นิยม
เทคนิควิวัฒนาการที่เกี่ยวข้องกับชนิดของปัญหาเหล่านี้ โดยใช้การแสดงเชิงเส้นสำหรับต้นไม้ ในเอกสารนี้ เราแสดง
และประเมินประสิทธิภาพยีนนิพจน์เขียนโปรแกรม (RGEP) เทคนิคนี้เป็นการรวบตัวของยีน
เขียนโปรแกรมที่อยู่กันอย่างมีประสิทธิภาพ และมีประสิทธิภาพ แสดงต้นแบบของการแก้ไขปัญหาใน RGEP เป็นบิต
เวกเตอร์ในอัลกอริทึมทางพันธุกรรม มีผู้ประกอบการน้อย และเรียบง่ายมากกว่าผู้เขียนนิพจน์ของยีน เราอธิบาย
เทคนิคพื้นฐาน อธิบายความข้อดีกว่าวิธีการที่เกี่ยวข้อง และประเมินประสิทธิผลในปัญหาอย่างนั้น

ผลลัพธ์ (ไทย) 3:

วิธีการวิวัฒนาการทางพันธุกรรม/มีการใช้ในการจัดการกับระบบแบบปรับได้ที่คอมเพล็กซ์ ตัวอย่างเช่นคลาสสิคที่มีอัลกอริธึมทางพันธุกรรม
ซึ่งจะช่วยให้ ทางพันธุกรรมอัลกอริธึมที่ใช้การเป็นตัวแทนตามแนวยาวแบบเรียบง่ายสำหรับโซลูชันที่เป็นไปได้ในการเกิดปัญหา โรงแรมแห่งนี้คือโดยปกติ bit
ซึ่งจะช่วย Initialization Vector น่าเสียดายที่การเป็นตัวแทนทางธรรมชาติสำหรับปัญหาจำนวนมากคือโครงสร้างแบบ Tree ในการสั่งซื้อในข้อตกลงกับ ประเภท นี้ของ
ตามมาตรฐานปัญหาเกี่ยวกับวิธีการวิวัฒนาการจำนวนมากทำให้การใช้โครงสร้างแบบ Tree โดยตรง ยีนการแสดงออกการตั้งโปรแกรมเป็นเทคนิคใหม่ได้รับความนิยม
วิวัฒนาการที่ข้อตกลงที่มี ประเภท นี้ของปัญหาโดยใช้การแสดงตามแนวยาวของต้นไม้ ในเอกสารนี้เรามี
และประเมินผลที่แข็งแกร่งยีนการแสดงออกการตั้งโปรแกรม( rgep ) โดยการใช้เทคนิคนี้ง่ายขึ้นซึ่งการแสดงออกของยีน
การตั้งโปรแกรมที่มีอย่างเท่าเทียมกันอย่างมี ประสิทธิภาพ และทรงพลัง การเป็นตัวแทนของโซลูชันที่เกิดปัญหาใน rgep คือบิต
เวกเตอร์ในทางพันธุกรรมอัลกอริธึม มีผู้ให้บริการรายน้อยลงและง่ายกว่ายีนการแสดงออกการตั้งโปรแกรมเหล่านั้น เราจะอธิบายถึงเทคนิคพื้นฐาน
ซึ่งจะช่วยให้อธิบายถึงข้อดีของวิธีการที่เกี่ยวข้องและประเมิน ประสิทธิภาพ ของปัญหาตัวอย่างเช่น