新的基因表达规划法架构在时间序列问题之应用.pdfVIP

新的 基因表達規劃法架構在時間序列問題 之應用 林文修 輔仁大學資訊管理學系 助理教授 wslin@.tw 蘇渝翔 輔仁大學資訊管理學系 include2md@ 摘要 時間序列 (Time Series, TS)的研究目的 ，是透過歷史紀錄訓練而成的模型去預測未來 的趨勢。根據人工智慧中的基因表達規劃法(Gene Expression Programming, GEP)的強健 能力， 求解 TS是相當有效且快速的 ，不過目前 ，此法用於時間序列問題的架構，尤其 使用多基因結構時，還未有一個完善的解決方案。據此 ，本研究提出一個新的 GEP 架 構 ，結合並改良自動定義函數與隨機常數限制等演化概念，使演化過程中的一些機制或 結果有再利用(reuse)的 機會，亦即能重新加入新的演化過程 ，藉此提高演化效率與效果。 本研究利用太陽黑子年平均數做為實驗對象，模擬結果發現 本研究所提之方法，除了演 化 收斂上有不錯的表現外，也提高了模型演化的穩定度。此外，多基因架構的基因數量 也會有所影響，本實驗對象，採用 3個基因數量，其實驗效果比 5個基因數量更好 。 關鍵詞： 基因表達規劃法、時間序列 、自動定義函數 、隨機常數 。 壹、緒論 時間序列 (Time Series, TS)研究目的 ，是 對具有時間性的歷史資料進行分析 ，再利用 這些分析結果去預測未來的趨勢。在這個變化快速的時代中，有效且快速地預測是非常 重要的。但在現實情況下的時間序列問題，有著大量不規則資料，且無法得知明確的因 果關係。面對這樣具有高度複雜且非線性的問題，本研究將採用強韌的 基因表達規劃法 (Gene Expression Programming, GEP) ，作為建模工具。 基因表達規劃法屬於人工智慧技術的一種， Ferreira(2001)利用遺傳演算法(Genetic Algorithm, GA)與遺傳規劃法(Genetic Programming, GP)的基礎發展的新概念。此法不同 於傳統計量方法，它除了可以高度平行的搜尋解答空間外，還可以透過樹狀結構來呈現。 目前透過 GEP ，用於時間序列問題的架構，還未有一個 完善的解決方案 ，尤其使用 多基因體結構時 ，表現更是不理想。另外，在 GEP 演化過程中，較高適應能力的染色 體，是否都具有某些特徵？能不能將其記錄下，使其對未來演化過程能帶來好處。 本研 究希望藉此，提出一個新的 GEP 之架構 ，同時結合並改良自動定義函數 (Automatically Defined Functions, ADF)與隨機常數 (GEP_RNC) 等演化概念，使結束後的演化有機會重 新加入新的演化過程 (reuse概念 ) 。本研究期望透過這樣的重複再利用，來提升多基因架 構模型的穩定度 與模型的演化效率。 貳、 文獻探討 一、 基因表達規劃法 基因表達規劃法(Gene Expression Programming, GEP)是由葡萄牙學者 Ferreira 於 2001 年12月首次提出，並發表 Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence ，基因表達規劃法(GEP) 、遺傳演算法(GA)與遺傳程式規劃(GP) 三者在主要演化步驟上極為相似，但GEP 具有GA 與GP的特性， GEP實現了利用簡單 編碼來解決複雜問題的目的。傳統 GA 採用固定長度的編碼方式，所以面對複雜問題時 表現不佳；GP 採用非線性、動態的資料結構來編碼，可以處理複雜問題，但操作卻也 相對複雜。而 GEP 透過 GA固定長度的染色體編碼與 GP 不同大小、形狀的個體結合而 成 ，也就是基因型的部分就由GA 來表達，表現型的部分則由GP樹