CBGP, a new program synthesis structure based on PushGP execution process

1. Extended Summary of
«Code Building Genetic
Programming»
UNIVERSITÀ DEGLI STUDI DI TRIESTE
DIPARTIMENTO DI INGEGNERIA E ARCHITETTURA
TESI DI LAUREA TRIENNALE
Laurenda:
Martina MAIONE
Relatore:
Prof. Andrea DE LORENZO
Anno Accademico 2020-2021

2. Obiettivo
della
ricerca
• Programmi che supportano tipi di dati
arbitrari
• Manipolazione di tipi polimorfici
• Utilizzo di codice preesistente
• Senza configurazioni aggiuntive
• Codice sorgente eseguibile in ogni ambiente

3. Problema
Non tutti i sistemi di sintesi
di programmi vanno bene!

4. Problema
PushGP
• Programmi che supportano tipi di dati arbitrari
• Manipolazione di tipi polimorfici
• Utilizzo di codice preesistente
• Senza configurazioni aggiuntive
• Codice sorgente eseguibile in ogni ambiente

5. Problema
G3P
• Programmi che supportano tipi di dati arbitrari
• Manipolazione di tipi polimorfici
• Utilizzo di codice preesistente
• Senza configurazioni aggiuntive
• Codice sorgente eseguibile in ogni ambiente

6. Code Building Genetic
Programming
Soluzione

7. CBGP: Come
funziona?

8. Genotipo
Grafo diretto e aciclico
• Input e costanti
• Funzioni: argomento → valore

9. Come generare
il fenotipo
• Nodi del DAG
• Tipo di ritorno
Input:
• Compilazione espressioni
→ codice eseguibile
Processo:

10. Compilazione
• Foglie: caricate nello stack
• Funzione:
Ogni argomento ha un valore del
tipo corretto → funzione valida

11. Valutazione del
programma
• Sul tipo di dato restituito
• Sui casi di addestramento

12. Valutazione
sperimentale

13. 1° Test set
• Days Between
• Prefix Paths
• Filter Bounds

14. Risultati ottenuti

15. General Program Synthesis
Benchmark Suite
• Negative To Zero
• Median
• Smallest
• Vector Average
• Compare String Lengths
• Replace Space With Newline
• Number IO
2° Test set

16. Risultati ottenuti

17. CBGP
Riutilizzo di porzioni di codice
preesistente
No configurazioni aggiuntive
Programmi con tipi di dati
arbitrari e polimorfici

18. Ricerche
future
Test set più ampio
Più informazioni rispetto ai
tipi di dati
Algoritmi di ottimizzazione

19. Bibliografia
Code Building Genetic Programming, Edward Pantridge
Swoop Cambridge, Massachusetts, USA Lee Spector
Amherst College, Hampshire College, and UMass
Amherst Amherst, Massachusetts, USA
A Survey of Genetic Programming and Its Applications,
Milad Taleby Ahvanooey, Qianmu Li, Ming Wu, Shuo
Wang
Comparison of Linear Genome Representations for
Software Synthesis, Pantrdige, E., Helmuth, T., and
Spector, L.
General Program Synthesis Benchmark Suite, T.
Helmuth, Lee Spector, Hampshire College & University
of Massachussetts, Amherst
Sitografia
Wikipedia https://www.wikipedia.org
Hampshire College https://www.hampshire.edu

20. Grazie per l’attenzione
UNIVERSITÀ DEGLI STUDI DI TRIESTE
DIPARTIMENTO DI INGEGNERIA E ARCHITETTURA
TESI DI LAUREA TRIENNALE
Laurendo:
Martina MAIONE
Relatore:
Prof. Ing. Andrea DE LORENZO
Anno Accademico 2020-2021

21. Polimorfismo
Un’espressione il cui
tipo è descritto da una
classe A può assumere
valori di un qualunque
tipo descritto da una
classe B sottoclasse di
A
Veicolo
Macchina
Bicicletta

22. Problema: PushGP
• Polimorfismo per inclusione
• Tipi generici
Nuovo tipo → nuovo stack
NB: No funzioni → inutile
→ Funzioni in anticipo → tipi in anticipo → no polimorfismo parametrico
Veicolo Macchina Bicicletta

23. Problema: G3P
• Polimorfismo per inclusione
Quale grammatica utilizzo?
• Tipi generici
Infinito numero di grammatiche