小生境基因表达式编程在函数发现的研究.pdfVIP

小 型 微 型 计 算 机 系 统 2008年 11月 第 ll期 JournalofChineseComputerSystems Vo1．29 No．11 2008 小生境基因表达式编程在函数发现的研究 林毅 申，彭 宏，韦 佳 (华南理工大学 计算机科学与工程学院，广东 广州510641) E-mail：linnys@gmail．corn 摘 要：提 出一种基于小生境的GEP改进算法，将改进k一均值的聚类分析与遗传机制相结合，通过调节最小聚类距离，控制收 敛的小生境数 目，以提高算法跳出局部最优的能力．将改进算法应用在函数发现问题中并与基本GEP算法结果进行对比，实验 表明改进算法具有更高的精度和更强的寻优能力． 关 键 词：基因表达式编程 ；小生境；函数发现；聚类分析 中图分类号 ：TP311 文献标识码：A 文 章 编 号：1000—1220(2008)ll一2l11一O4 Function FindinginNichingGeneExpression Programming LIN Yi—shen，PENGHong，WEIJia (SchoolofComputerScienceandEgineering，SouthChinaUniversityofTechnology，Guangzhuo 510641，China) Abstract：ThispaperpresentsahybridGEPalgorithm withniching，whichcombinesak-meansclusteringmethodandgenetic mechanism；ittriestoadjusttheminimumclusteringdistanceinordertodecidethenichingnumberandtoavoidtheproblemof prematureconvergence．Experimentsonthreefunctionfundingproblemsshow thatthealgorithm hashigherprecisionandbet— tersearchabilitythanbasicGEP． Keywords：geneexpressionprogramming；niche；functionfinding；clustering 1 引 言 高出2—4个数量级，GEP已受到广泛的关注．GEP算法为知 识发现注入了新的研究方法，目前已被广泛用于函数发现、符 模拟进化计算是模拟 自然界生物进化过程与机制求解优 号回归、参数优化、时间序列预测、分类规则以及在神经网络 化与搜索问题的人工智能技术，其基本思想来源于 自然界的 等方面 ． 生物进化，借助生物演化思想和原理来解决优化问题 ，具有能 由于GEP源于GA和GP，其本质也是借鉴生物界 自然 够随着环境变化而 自动适应环境的能力，这种独特的性质使 选择和遗传机制的随机搜索算法，因此也存在着GA与GP 得进化计算能够解决那些难以用传统方法来求解的复杂问 面对的问题，其中最主要的就是早熟 (过早收敛)现象 ，在进化 题．目前 ，模拟进化计算在现实世界工程领域有大量的成功应 过程中过早陷入局部最优．针对此问题，人们借鉴 自然界生物 用，并且已经成为计算机科学的热点研究领域．由进化计算派 进化的特点提出了多种方案，小生境就是其中一种 [3]．本文 生的仿生类算法(遗传算法 、遗传编程、基因表达式编程、演化