基于K-表达式长度的改进GEP算法研究.pdfVIP

第 32卷 第 3期 江西理工大学学报 Vok32，No．3 2011年 6 月 JournalofJiangxiUniversityofScienceandTechnology Jun． 2011 文章编号：1007—1229(2011)03—0033—04 基于 K一表达式长度的改进 GEP算法研究 涂燕琼 (江西理T大学信息Tl程学院，江西 赣州 341000) 摘 要 ：在基因表达式编程 中，个体适应值的计算是频繁发生的操作 ，要动态生成和遍历大量的 树．成为影响GEP算法效率的瓶颈．为此，提 出了基于 K一表达式长度快速求适应值的KLCF算 法．实验表明KLCF算法简单有效且大大缩短演化时间；同时也提 出了改进的基 因表达式算法 KL—GEP，实验表明，KL-GEP与 GP和 GEP相 比，具有更高的拟合和预测精度、更快的收敛速度． 关键词 ：基因表达式编程；GEP；K一表达式；表达式树 ；适应值 中图分类号 ：TP301．6 文献标识码 ：A ImprovedGEPAlgorithm Based0ntheLengthofK-expression TU Yan-qiong (FacultyofInformationEngineering，JiangxiUniversityofScienceandTemhnology，Ganzhou341000，China) Abstract：CalculatingindividualfitnessisafrequentoperationinGeneExpressionProgramming(GEP)． Generatingdynamically and traversing a lotoftreeshavebeen thebottleneckofimprovingGEP algorithm efficiency，AKLCFalgorithmbasedonthelengthofK-expressiontocalculatethefitnessvaluequicklyisproposed． TheexperimentsshowthattheKLCFalgorithm issimpleandeffective，whichCna rgeatlyshortentheevolutiontime． MeanwhileanimprovedGEPalgorithm，KL-GEPispresented．Experimentsshowthatwithbetterfittingaccuracy， predictionaccuracyandhigherconvergencespeed，KL-GEPissuperiortoGPandGEP． Keywords：geneexpressionprorgamming；GEP；K-expression；expressiontree；fitness 数量级 ，具有更强的解决问题的能力 ． 0 引 言 适应值的计算是演化算法 中频繁发生的操作 ． 对适应值计算的效率高低直接影响整个进化过程161． 基因表达式编程(GeneExpressionProrgamming． 但在 GEP中，要计算个体适应度值 ，就必须将个体 GEP)结合了遗传算法 (GeneticAlgorithms，GA)和遗 染色体或基 因组转换为表达式树 ．然后遍历表达式 传程序设计(GeneticProgramming，GP1的思想 ，是一 树 (通常是求后缀表达式 ，即逆波兰式)得到相应的 种基于基因型和表现型的 自适应演化算法Ij．GEP 函数式 ，最后根据适应度函数计算适应值．由于大 继承了GP和GA的优点 ，表现为定长线性 串(基因 量树的动态生成 、释放和遍历操作非常耗时 ．大大 组或染色体