본 논문은 최소한의 학습데이터를 사용하여 비선형의 응답면을 모델링할 수 있는 방안으로 유전적 프로그래밍을(Genetic Programming, GP)의 사용을 모색하였다. 이때 대두되는 가장 큰 문제는 GP 트리가 부족한 학습 데이터 때문에 심한 Overfilling 현상을 보인다는 점이다.이를 극복하기 위한 방법으로 DDBS (Directional Derivative-Based Smoothering) 기법을 제안하였고, 유용성을 검증하기 위해서 4 가지 응용 예를 보였다.
This paper introduces the genetic programming algorithm(GP), which can approximate highly nonlinear functions, as a tool for the modeling of response surfaces. When the response surfaces is approximated, the very small or minimal teaming set should be used, and thus it is almost certain that GP trees will show overfilling that must be avoided at all costs. We present a novel method, calledDDBS(DirectionalDerivative-Based Smoothering), which very effectively eliminates the unwanted behaviors of GP trees such as large peaks, oscillations, and also overfitting. Four illustrative numerical examples are given to demonstrate the performance of the genetic programming algorithm that adopts DDBS.
