Processing may take a few seconds...

Dissertation

Title

Heuristic Algorithms for Discovery of Search Objectives

Authors

[ 1 ] Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska | [ P ] employee

Promoter

[ 1 ] Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska | [ P ] employee

Reviewers

Title variant

PL Heurystyczne Algorytmy Odkrywania Funkcji Oceny w Problemach Opartych na Testach

Language

english

Keywords
EN
  • machine learning
  • evolutionary algorithms
  • test-based problems
PL
  • uczenie maszynowe
  • algorytmy ewolucyjne
  • problemy oparte na testach
Abstract

EN A wide spectrum of machine learning problems approached in evolutionary computation involve evaluation functions that reward candidate solutions by counting the number of tests they pass. Conventionally, the discrepancy between the actual and the desired outcome of confronting solutions with tests are aggregated into a scalar evaluation function. In this thesis, we demonstrate that the habit of driving search using such function leads to evaluation bottleneck, i.e. information-rich process of candidate solutions' evaluation is compressed into a scalar value, which incurs information loss. We investigate the possibility of broadening the bottleneck of scalar evaluation by making evolutionary algorithms better-informed about the outcomes of interactions between candidate solutions and tests. To this end, we propose a family of methods aimed at automatic discovery of heuristic search objectives that provide multi-criteria evaluation of candidate solutions.

PL Powszechnie stosowana funkcja oceny w problemach uczenia maszynowego nagradza rozwiązania kandydackie na podstawie liczby rozwiązanych testów. W ninejszej rozprawie demonstrujemy, że nawyk stosowania skalarnej funkcji oceny prowadzi do zjawiska wąskiego gardła, tj. bogaty w informację proces oceny rozwiązania jest w istocie kompresowany do pojedynczej wartości powodując tym samym bezpowrotną utratę informacji. Przedstawiona praca poświęcona jest technikom umożliwiającym zniesienie tego ograniczenia poprzez dostarczenie algorytmom przeszukiwania znaczniej bardziej szczegółowej informacji o zachowaniu analizowanych rozwiązań. W tym celu proponujemy rodzinę metod dedykowanych automatycznemu odkrywaniu funkcji oceny, które oferują wielokryterialną ocenę kandydatów.

Number of pages

235

OECD domain

computer sciences and computer science

KBN discipline

computer science

Signature of printed version

DrOIN 1940

On-line catalog

to201990755

Full text of dissertation

Download file

Access level to full text

public

First review

Jarosław Arabas

Place

Warszawa, Polska

Date

24.08.2018

Language

polish

Review text

Download file

Access level to review text

public

Second review

Andrzej Obuchowicz

Place

Zielona Góra, Polska

Date

11.08.2018

Language

polish

Review text

Download file

Access level to review text

public

Dissertation status

dissertation

Place of defense

Poznań, Polska

Date of defense

24.09.2018

Unit granting title

Rada Wydziału Informatyki Politechniki Poznańskiej

Obtained title

doktor nauk technicznych w dyscyplinie: informatyka, w specjalności: sztuczna inteligencja