Heuristic Algorithms for Discovery of Search Objectives
[ 1 ] Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska | [ P ] employee
[ 1 ] Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska | [ P ] employee
PL Heurystyczne Algorytmy Odkrywania Funkcji Oceny w Problemach Opartych na Testach
english
- machine learning
- evolutionary algorithms
- test-based problems
- uczenie maszynowe
- algorytmy ewolucyjne
- problemy oparte na testach
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.
235
computer sciences and computer science
computer science
DrOIN 1940
public
Jarosław Arabas
Warszawa, Polska
24.08.2018
polish
public
Andrzej Obuchowicz
Zielona Góra, Polska
11.08.2018
polish
public
dissertation
Poznań, Polska
24.09.2018
Rada Wydziału Informatyki Politechniki Poznańskiej
doktor nauk technicznych w dyscyplinie: informatyka, w specjalności: sztuczna inteligencja