基于启动子的遗传算法

基于启动子的遗传算法（PBGA）是一种用于神经进化的遗传算法。它演化出可变大小的前馈人工神经网络（ANN），这些网络被编码为构建基本ANN单元的基因序列。每个单元前都有一个基因启动子，作为开/关开关，决定该特定单元是否会被表达。PBGA基础知识PBGA的基本单元是一个神经元。基本单元的基因型是一组实值权重，然后是神经元的参数，接着是一个整数域，决定启动子基因值，从而决定该单元的表达。通过串联这种类型的单元，我们可以构建整个网络。通过这种编码方式，未表达的信息在进化过程中仍由基因型携带，但它被屏蔽在直接的选择压力之外，以这种方式保持种群的多样性，这也是这种算法的设计前提。

因此，在搜索空间和解决方案空间之间建立了一个明显的区别，允许通过禁用启动子基因来保留学到的并编码到基因型表示中的信息。结果PBGA最初是在自主机器人领域提出的，特别是在实时学习机器人的环境模型方面。它已被用于GII中开发的多级达尔文主义大脑（MDB）认知机制中，用于真正的机器人在线学习。在另一篇论文中，它显示了PBGA的应用与存储成功获得的世界模型的外部存储器一起，是动态环境中的最佳适应策略。最近，PBGA提供了在非稳态问题上优于其他神经进化算法的结果，在这些问题上，健身函数随时间而变化。