CGP在Max问题上获证指数级加速
热点事件观察中
CGP在Max问题上获证指数级加速
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Duc-Cuong Dang、Roman Kalkreuth 和 Andre Opris 证明,(1+1) 笛卡尔遗传编程(CGP)使用常见变异算子,在经典基准 Max 问题上演化出等价最优解的期望时间至多为 O(log^9 n),相对树状 GP 已知的超线性期望运行时间实现了指数级加速。 论文称,这一结果来自图式程序表示的紧凑性带来的搜索效率,实验与理论结论相互印证。该论文已被 NeurIPS 2026 接收为 poster。
AI 根据报道生成 · 10 小时前更新
最新进展11月14日 13:00
笛卡尔遗传编程在 Max 问题上的运行时分析:证得指数级加速报道时间线
沿着报道,了解事件的不同侧面。
11月14日
- arXiv cs.AI笛卡尔遗传编程在 Max 问题上的运行时分析:证得指数级加速
论文首次为笛卡尔遗传编程(CGP)在经典基准 Max 问题上给出可证明的性能保证:(1+1) CGP 使用常见变异算子演化出等价最优解的期望时间至多为 O(log^9 n),相对树状 GP 已知的超线性期望运行时间实现了指数级加速。该结果揭示了图式程序表示的紧凑性与搜索效率,实验与理论结论相互印证,论文已被 NeurIPS 2026 接收为 poster。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 711月15日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。