Language agnostic 遗传编程在线学习

有没有人见过GP是通过离线学习而不是标准的离线学习来实现的？我用基因程序做了一些工作，但我根本不知道什么是让学习过程在线的好方法

---

如果您有任何想法，看过任何实现，或者有任何参考资料，请告诉我。

我通过谷歌学者搜索找到了一些示例

事实上，看起来他们找到了一种让GP在实际活动中修改机器人控制系统机器代码的方法——非常酷

这些作者继续创作了更多相关的作品，比如这项改进：

---

希望他们的工作足以让你开始——我没有足够的遗传编程经验，无法给你任何具体的建议。

根据维基百科链接，在线学习“一次学习一个实例”在线/离线标签通常指如何将训练数据馈送给有监督的回归或分类算法。由于遗传规划是一种启发式搜索，使用评估函数来评估其解决方案的适用性，而不是带有标签的训练集，因此这些术语实际上并不适用

如果您要问的是GP算法的输出（即最佳表型）是否可以在它仍在“搜索”更好的解决方案时使用，我认为没有理由不使用，假设它对您的域/应用程序有意义。一旦GA/GP群体的适应度达到某个阈值，就可以将该解决方案应用到应用程序中，并继续运行GP，在更好的解决方案可用时切换到新的解决方案

沿着这条路线的一种方法是一种叫做的算法，它试图使用遗传算法来实时生成和更新神经网络

事实上，看起来他们找到了一种让GP在实际活动中修改机器人控制系统机器代码的方法——非常酷

是的，多特蒙德大学的系在很大程度上是线性GP:-）

直接执行GP程序与解释代码相比有一些优势，尽管现在您可能更希望使用Java、C#或Obj-C等动态语言，它们允许您在运行时编写类/方法，同时您仍然可以从一些运行时中获益，而不是在原始CPU上运行

在我看来，在线学习方式与“经典GP”并没有什么绝对新颖或不同之处。 据我所知，这只是在运行时扩展训练/健身/测试用例集的一个例子

干杯，

---

Jay

你的答案与遗传算法（一种用于组合优化问题的元启发式算法）有关。OP的问题与遗传编程有关——这是两个非常不同的东西，甚至在属-种的方式上都不相关（即，一个不包括另一个）。答案适用于GA和GP。是的，两者是不同的，但它们使用的是相同的遗传进化原理。