出售或求购：裁决空间中的定向交叉

基于摘要分析。本文研究遗传编程中如何利用候选程序的行为信息指导交叉操作，提出在 adjudicated space（裁决空间）中进行定向交叉：以候选解在问题子组件上的成功或失败来抽象程序行为，而非仅依赖单一标量评价程序表现。 原论文的主要研究对象是分类与符号回归中的遗传编程搜索，并非状态空间模型或 BCI。相对于在 semantic space（语义空间）中选择和组合候选解的思路，作者将裁决空间定位为一种替代且互补的行为表征，并研究多种基于该表征的交叉策略。摘要明确提到新提出的 pillage 与 barter 两种策略，但未提供其具体交叉规则、子组件定义或实现细节。 作者报告，在所研究的十四个分类与符号回归问题上，pillage 和 barter 均显著优于标准遗传编程配置及一种增强遗传编程配置。摘要未给出各问题的性能指标、提升幅度、数据划分、增强基线设置或显著性检验方法，实验协议、消融及统计信息尚未验证，因而不能据此判断收益大小或复现成本。 平台推测（待验证）：若 EEG 分类采用遗传编程，可假设按样本或任务子组件记录候选程序的成败，有助于寻找互补候选解；可复用的是行为表征与交叉选择思路，需要改造的是适应度定义及子组件划分。低信噪比、被试差异和小样本可能使成败模式不稳定。一个可检验的小实验是在固定 EEG 划分与相同搜索预算下，对照标准交叉与裁决空间交叉，并检查收益是否稳定。此推断不代表已证实的 EEG/BCI 效果，相关 EEG 工作尚未检索确认。