基于克隆选择和量子进化的GEP分类算法.pdfVIP

第 38卷 第 1O期 计 算 机 科 学 Vo1．38No．10 2011年 10月 Computer Science Oct2011 基于克隆选择和量子进化的GEP分类算法 王卫红 杜燕烨 李 曲 (浙江工业大学计算机科学与技术学院 杭州310023) (浙江大学计算机学院 杭州310038)。 摘 要 基于基因表达式编程 (GEP)的分类算法具有较高的精度，但易陷入局部最优 ，且搜索时间长。为进一步提高 GEP分类算法的分类能力，提出了基于克隆选择和量子进化的GEP分类算法——C1onalQuantum-GEP。该算法通过 量子种群的更新和探测影响抗体种群的搜索方向和进化能力，并通过记忆池保持最优解，使其具有更好的种群多样 性、更强的全局寻优能力和更快的收敛速度。在几个标准数据集上的实验验证了算法的有效性。与基本的GEP算法 相 比，ClonalQuantum-GEP能以较小的种群规模和较少的进化代数获得较理想的分类效果。 关键词 基因表达式编程 (GEP)，克隆选择，量子进化，分类 中图法分类号 TP311．13 文献标识码 A GEPClassificationBasedonClonalSelectionandQunatumEvolution WANGWei—hong DU Yan-ye LIQu (CollegeofComputerScience，ZhejiangUniversityofTechnology，Hangzhou310023，China) (Co llegeofComputerScience，ZhejiangUniversity，Hangzhou310038，China)。 Abstract GeneExpressionProgrammingbasedClassificationalgorithm hasshowngoodclassificationaccuracy．however。 itoftenfallsintothelocaloptimumsandneedslongtimesearching．Inordertofurtherireprovetheclassificationpower ofGEP，clonalselectionandquantum evolutionwereintroducedintoGEP．AnovelapproachcalledClonalQuantmu -GEP wasproposed．Afteraffectingthesearchdirectionandevolutionabilityoftheantibodypopulationthroughtheupdating andexploringofthequantum population，andkeepingthebestresultsinthememorypool，thisapproachgetsmorepop— ulationdiversity，betterabilityofglobaloptimmu ssearching，andmuchfastervelocityofconvergence．Experimentson severalbenchmarkdatasetsdemonstratetheeffectivenessandefficiencyofthisapproach．Compared thbasicGEP。 ClonalQuantum-GEPcanachievebetterclassificationresultswithmuchsmallerscaleofthepopulationandmuchless evolutionarygeneration．