极简遗传编程

arXiv:2606.10237v1 公告类型：新 摘要：遗传编程（GP）基于两个重要的见解。首先，任何学习任务从根本上都可以被视为程序归纳问题，其目标是构建一个表示为语法树的符号层次模型。其次，将此任务视为搜索问题，并使用进化来定位所需的模型。自提出以来，GP 在广泛的任务和问题领域中取得了显着的成果。这项工作通过修改 GP 的第二个核心见解，提出了另一种观点，将问题作为句法推导任务。特别是，本文提出了极简遗传编程（MGP），这是一种像 GP 一样受生物学启发的算法，但它不是从进化中汲取灵感，而是从极简程序到人类语言中获得灵感，其中语法被理解为连接其他两个心理系统问题的最佳解决方案。在极简主义中，核心计算过程是一个称为 $MERGE$ 的二元集合形成运算符，可用于使用简单的马尔可夫过程逐步构造复杂的语法结构。 MGP 能够发现符号表达式的核心构建块，并使用 $MERGE$ 逐步组合它们。所提出的系统以符号回归任务为基准，已知这些任务由于有膨胀的倾向而很难用标准 GP 系统解决。结果表明，当选择适当的原子句法对象词典时，MGP 能够在一组符号回归上一致地生成精确的地面实况模型，而标准 GP 却很难做到这一点。极简主义提供的见解被证明与程序归纳问题相关，并且应该根据 MGP 在这项工作中展现的潜力进行进一步探索。