arXiv cs.AI· Urmzd Mukhammadnaim·· 11 小时前AI 评分18
强化线性遗传编程（RLGP）：用 Q-Learning 学习寄存器-动作映射
Reinforced Linear Genetic Programming
AI 导读
一篇学士论文提出 Reinforced Linear Genetic Programming（RLGP），在 Linear Genetic Programming 之上叠加 Q-Learning，自动学习最优的寄存器-动作分配，替代人工显式映射。作者同时发布用内存安全的 Rust 编写的 "linear-gp" 框架，供后续实验使用，代码已公开。
正文 · AI 翻译
摘要：线性遗传编程（LGP）是一种强大的技术，它允许使用程序的线性表示来解决各种问题。然而，该技术仍然存在一些局限性，例如需要人工将寄存器显式映射到动作。本论文提出了一种新颖的方法，在 LGP 之上使用 Q-Learning，即强化线性遗传编程（RLGP），来学习最优的寄存器-动作分配。在此过程中，我们引入了一个用内存安全的 Rust 编写的新框架“linear-gp”，以便为未来的工作提供广泛的实验支持。
| 评论： | 学士学位论文。源代码可在 此 https URL 找到。v2：修复 HTML 渲染 |
| 主题： | 神经与进化计算（cs.NE）；人工智能（cs.AI） |
| 引用为： | arXiv:2601.09736 [cs.NE] |
| （或 arXiv:2601.09736v2 [cs.NE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.09736 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Urmzd Mukhammadnaim [查看电子邮件]
[v1]
2026年1月7日星期三 04:15:16 UTC（1,005 KB）
[v2]
2026年10月20日星期二 02:50:38 UTC（1,000 KB）
来源：arXiv cs.AI · arxiv.org