Algorithm Discovery with Monte-Carlo Search: Controlling the Size
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F17%3A00491208" target="_blank" >RIV/67985807:_____/17:00491208 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ICTAI.2017.00067" target="_blank" >http://dx.doi.org/10.1109/ICTAI.2017.00067</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICTAI.2017.00067" target="_blank" >10.1109/ICTAI.2017.00067</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Algorithm Discovery with Monte-Carlo Search: Controlling the Size
Popis výsledku v původním jazyce
The problem of automated algorithm discovery has been mainly approached by means of Genetic programming. Recently, Monte-Carlo tree search methods - well known from games - have been used for program discovery, using stack-based program representations. In this paper, we analyze the behavior of the stack-based representations and describe an approach that provides finer control over generated program sizes and fast uniform playouts. Our approach utilizes type system with parametric polymorphism to generate typed programs. We evaluate the proposed solution with two Monte-Carlo tree search algorithms, and conclude that it is a good alternative which has a better control of exploration.
Název v anglickém jazyce
Algorithm Discovery with Monte-Carlo Search: Controlling the Size
Popis výsledku anglicky
The problem of automated algorithm discovery has been mainly approached by means of Genetic programming. Recently, Monte-Carlo tree search methods - well known from games - have been used for program discovery, using stack-based program representations. In this paper, we analyze the behavior of the stack-based representations and describe an approach that provides finer control over generated program sizes and fast uniform playouts. Our approach utilizes type system with parametric polymorphism to generate typed programs. We evaluate the proposed solution with two Monte-Carlo tree search algorithms, and conclude that it is a good alternative which has a better control of exploration.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA15-19877S" target="_blank" >GA15-19877S: Automatické modelování znalostí a plánů pro autonomní roboty</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 29th IEEE International Conference on Tools with Artificial Intelligence
ISBN
978-1-5386-3876-7
ISSN
2375-0197
e-ISSN
—
Počet stran výsledku
6
Strana od-do
390-395
Název nakladatele
IEEE
Místo vydání
Los Alamitos
Místo konání akce
Boston
Datum konání akce
6. 11. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000435294700056