SGE：用于文法进化的结构化表示

基于摘要分析。本文研究 Grammatical Evolution（文法进化）中的基因型表示，提出 Structured Grammatical Evolution（SGE），通过将每个基因显式关联到所用文法的一个非终结符，改善基因修改与生成结果之间的局部性。 核心机制是建立基因与非终结符的一一对应关系，使某个基因的修改不影响其他非终结符的推导选项。这里的表示指进化搜索中的基因型编码，并非神经网络学习得到的特征表示。其方法价值在于限制局部变异对其他推导选择的连带影响；具体编码方式、变异与交叉算子及约束处理尚未验证。 作者报告，在所选的一组优化基准问题上，SGE 均优于标准 Grammatical Evolution。摘要未提供基准名称、评价指标、搜索预算、重复运行次数或效果幅度，因此该结论仅适用于作者所选问题，不能扩展为普遍优势；实验协议、消融及统计信息尚未验证。 原论文主要面向文法驱动的进化优化，摘要未涉及 EEG、BCI 或神经信号任务，也未建立与相关瓶颈的具体对应关系，因此不据此推导 BCI 有效性或提出迁移实验。已有 EEG 相关应用尚未检索确认。