CGP在Max问题上获指数加速证明
热点事件持续更新
CGP在Max问题上获指数加速证明
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Duc-Cuong Dang、Roman Kalkreuth 和 Andre Opris 发表论文（NeurIPS 2026 海报），首次为笛卡尔遗传编程（CGP）在 Max 基准问题上给出理论性能保证：采用常见变异算子的 (1+1) CGP 演化出等价最优程序的期望时间为 O(log⁹n)，即关于最优程序长度 n 是多对数的。 相比之下，树形遗传编程已证明的期望运行时间是超线性的，因此作者认为图编码表示带来了指数级加速。实验结果与该理论结论相互印证。
AI 根据报道生成 · 2 小时前更新
最新进展11月14日 13:00
论文证明 Cartesian 遗传编程在 Max 问题上的指数级加速：期望运行时间 O(log⁹n)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论文证明 Cartesian 遗传编程在 Max 问题上的指数级加速：期望运行时间 O(log⁹n)
一篇 NeurIPS 2026 海报论文首次为 Cartesian 遗传编程（CGP）在 Max 基准问题上给出理论性能保证。作者证明，采用常见变异算子的 (1+1) CGP 演化出等价最优程序的期望时间为 O(log⁹n)，即关于最优程序长度 n 是多对数的；而树形 GP 已证明的期望运行时间是超线性的，这意味着图编码表示带来指数级加速。实验结果与理论结论相互印证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。