Buchumschlag

Effective Adaptive Mutation Rates for Program Synthesis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ni, Andrew, Spector, Lee
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Symbolic Regression for Heuristic Design in the Traveling Thief Problem
von: Ni, Andrew, et al.
Veröffentlicht: (2024)

Adaptive Exploration in Lenia with Intrinsic Multi-Objective Ranking
von: Lorantos, Niko, et al.
Veröffentlicht: (2025)

DALex: Lexicase-like Selection via Diverse Aggregation
von: Ni, Andrew, et al.
Veröffentlicht: (2024)

All Constant Mutation Rates for the $(1+1)$ Evolutionary Algorithm
von: Kelley, Andrew James
Veröffentlicht: (2026)

All Mutation Rates $c/n$ for the $(1+1)$ Evolutionary Algorithm
von: Kelley, Andrew James
Veröffentlicht: (2026)

Untangling the Effects of Down-Sampling and Selection in Genetic Programming
von: Boldi, Ryan, et al.
Veröffentlicht: (2023)

A Flexible Evolutionary Algorithm With Dynamic Mutation Rate Archive
von: Krejca, Martin S., et al.
Veröffentlicht: (2024)

GP and LLMs for Program Synthesis: No Clear Winners
von: Hernandez, Jose Guadalupe, et al.
Veröffentlicht: (2025)

Generational Computation Reduction in Informal Counterexample-Driven Genetic Programming
von: Helmuth, Thomas, et al.
Veröffentlicht: (2024)

Informed Down-Sampled Lexicase Selection: Identifying productive training cases for efficient problem solving
von: Boldi, Ryan, et al.
Veröffentlicht: (2023)

Generalized Heavy-tailed Mutation for Evolutionary Algorithms
von: Eremeev, Anton V., et al.
Veröffentlicht: (2026)

Functional Program Synthesis with Higher-Order Functions and Recursion Schemes
von: Fernandes, Matheus Campos
Veröffentlicht: (2025)

Genetic Programming with Transformer-Based Mutation for Approximate Circuit Design
von: Galeta, Ondrej, et al.
Veröffentlicht: (2026)

Abnormal Mutations: Evolution Strategies Don't Require Gaussianity
von: de Nobel, Jacob, et al.
Veröffentlicht: (2025)

Controlling the Mutation in Large Language Models for the Efficient Evolution of Algorithms
von: Yin, Haoran, et al.
Veröffentlicht: (2024)

Explaining Genetic Programming Trees using Large Language Models
von: Maddigan, Paula, et al.
Veröffentlicht: (2024)

Communication-Guided Multi-Mutation Differential Evolution for Crop Model Calibration
von: Aggarwal, Sakshi, et al.
Veröffentlicht: (2026)

Quality Diversity through Human Feedback: Towards Open-Ended Diversity-Driven Optimization
von: Ding, Li, et al.
Veröffentlicht: (2023)

Correlated Mutations for Integer Programming
von: Shir, Ofer M., et al.
Veröffentlicht: (2025)

Mutation Strength Adaptation of the $(μ/μ_I, λ)$-ES for Large Population Sizes on the Sphere Function
von: Omeradzic, Amir, et al.
Veröffentlicht: (2024)

Connectome-Guided Automatic Learning Rates for Deep Networks
von: He, Peilin, et al.
Veröffentlicht: (2025)

Dominated Novelty Search: Rethinking Local Competition in Quality-Diversity
von: Bahlous-Boldi, Ryan, et al.
Veröffentlicht: (2025)

On The Nature Of The Phenotype In Tree Genetic Programming
von: Banzhaf, Wolfgang, et al.
Veröffentlicht: (2024)

On the Dynamics of Mating Preferences in Genetic Programming
von: Simões, José Maria, et al.
Veröffentlicht: (2025)

A Methodology for Effective Surrogate Learning in Complex Optimization
von: Harada, Tomohiro, et al.
Veröffentlicht: (2026)

Transformer Semantic Genetic Programming for Symbolic Regression
von: Anthes, Philipp, et al.
Veröffentlicht: (2025)

ABCO: Adaptive Bacterial Colony Optimisation
von: Kogam, Barisi, et al.
Veröffentlicht: (2025)

Covariance Matrix Adaptation Evolution Strategy for Low Effective Dimensionality
von: Uchida, Kento, et al.
Veröffentlicht: (2024)

Efficient and Effective Time-Series Forecasting with Spiking Neural Networks
von: Lv, Changze, et al.
Veröffentlicht: (2024)

Multiform Evolution for High-Dimensional Problems with Low Effective Dimensionality
von: Hou, Yaqing, et al.
Veröffentlicht: (2023)

Analysing the Influence of Reorder Strategies for Cartesian Genetic Programming
von: Cui, Henning, et al.
Veröffentlicht: (2024)

Quality Diversity Genetic Programming for Learning Scheduling Heuristics
von: Xu, Meng, et al.
Veröffentlicht: (2025)

Evolving Financial Trading Strategies with Vectorial Genetic Programming
von: Menoita, Rui, et al.
Veröffentlicht: (2025)

CMA-ES with Adaptive Reevaluation for Multiplicative Noise
von: Uchida, Kento, et al.
Veröffentlicht: (2024)

Adaptive Spiking Neurons for Vision and Language Modeling
von: Zhou, Chenlin, et al.
Veröffentlicht: (2026)

Bridging Expressivity and Scalability with Adaptive Unitary SSMs
von: Karuvally, Arjun, et al.
Veröffentlicht: (2025)

Unveiling the Spatial-temporal Effective Receptive Fields of Spiking Neural Networks
von: Zhang, Jieyuan, et al.
Veröffentlicht: (2025)

Genetic Programming Theory and Practice: A Fifteen-Year Trajectory
von: Sipper, Moshe, et al.
Veröffentlicht: (2024)

GPU-Accelerated Genetic Programming for Symbolic Regression with Beagle Framework
von: Haut, Nathan, et al.
Veröffentlicht: (2026)

Neutrally Evolving Interlocking Complexity in the Quandary Den
von: Walsh, Andrew
Veröffentlicht: (2026)