Study of the impact of genotype compression for Genetic programming, an application to data compression.

Scriptie/Masterproef: Doctoral Thesis

Samenvatting

Dit proefschrift presenteert twee bijdragen waarbij evolutionaire zoekalgorithmen en het domein van datacompressie bijeen worden gebracht.
De eerste bijdrage van deze thesis is een nieuwe methode voor het toepassen van genetisch programmeren (GP) voor datacompressieapplicaties. Genetisch programmeren wordt hier gebruikt om een transformatie te genereren die de comprimeerbaarheid van de data verbetert. Een genetisch programmeersysteem wordt gebruikt om een transformatie te vinden die de entropie van de data verlaagt. Deze transformatie kan dan worden toegepast op de data vooraleer deze wordt gecomprimeerd door een standaard compressie-algoritme, hetgeen een hogere compressieratio mogelijk maakt. Het voordeel van deze aanpak is dat het ontwerpen van de transformatie wordt geautomatiseerd en er dus geen menselijke interventie/intelligentie nodig is. Op zijn beurt opent dit de mogelijkheid om transformaties te genereren die bestand-specifiek zijn.

Een tweede belangrijke bijdrage in dit werk is een aanpassing die werd uitgevoerd ten opzichte van een standaard genetisch algoritme (GA) om een modularisatiemechanisme te bekomen dat werkt op het laagste niveau.
Deze modularisatie wordt bekomen door een datacompressie techniek te gebruiken die de lengte van het genotype verkleint. Dit heeft geleid tot de naam comprimerend-GA (c-GA). Door het comprimeren van het genotype van de individuen wordt de aanwezige genetische informatie beschermd en kunnen gencombinaties worden herbruikt. Deze aanpak werd getoetst aan een reeks GA en GP referentieproblemen. Resultaten wijzen op het positief effect op het zoekproces van het comprimeren van het genotype, vooral voor problemen waarbij de representatie van de oplossing voldoende herhaling vertoont.
Datum prijs24 nov 2006
Originele taalEnglish
BegeleiderKris Steenhaut (Promotor) & Ann Nowe (Promotor)

Citeer dit

'