多线程评估的基因表达式编程算法.docVIP

基于多线程评估的基因表达式编程算法 摘要:分析了基因表达式编程(gep)算法的性能关键，指出提升的一个重要瓶颈是在个体评估阶段；结合多核cpu并行计算能力，提出了基于多线程评估的gep算法(mtegep)，并通过实验验证了mtegep的高效性：在双核cpu环境下mtegep运算速度是传统gep的1.89倍，而在8核cpu环境下达到了6.48倍。实验结果表明该算法能有效提升gep算法的性能。 关键词:数据挖掘；基因表达式编程；多线程；多核cpu；评估  gene expression programming algorithm based on multi.threading evaluator  ni sheng.qiao*, tang chang.jie, yang ning, zuo jie college of computer science, sichuan university, chengdu sichuan 610064, china abstract: combines the advantage of multi.core cpu and multi.threading technology, introduces a new gene expression programming （gep） algorithm with multi.threading evaluator which greatly improves the efficiency of the gep algorithm. the experimental results demonstrate that the new proposed algorithm mtegep is more efficiency than traditional gep. furthermore，comparing to the traditional gep，mtegep achieves 1.89 times faster speed in average with a dual.core cpu, and 6.48 times faster speed with an eight.core cpu. combining the advantages of multi.core cpu and multi.threading technology, a new gene expression programming （gep） algorithm with multi.threading evaluator was introduced, which greatly improved the efficiency of the gep algorithm. the experimental results demonstrate that the new proposed algorithm mtegep is more efficient than traditional gep. furthermore，compared to the traditional gep，mtegep achieves 1.89 times faster speed in average with a dual.core cpu, and 6.48 times faster speed with an eight.core cpu. key words: data mining; gene expression programming (gep); multi.threading; multi.core cpu; evaluator  0 引言 从海量信息中挖掘有效知识是数据库技术研究的重要课题。进化计算作为数据挖掘的一类重要方法，有着广泛的应用，是当前的研究热点。基因表达式编程(gene expression programming，gep)算法是进化算法家族中的新兴技术，它综合了遗传算法(genetic algorithm,ga)和遗传编程(genetic programming,gp)的优点，具有更强的解决问题的能力，其最大特点是优化的基因序列表示结构，它消除了传统遗传算法在进化过程可能产生无效基因的缺陷，是效率较为理想的数据挖掘方法［1］。特别在函数挖掘方面，涌现出了许多新的gep研究和应用成果，参见文献［2-10］。与此同时，众多学者在传统gep算法基础上，针对不同应用提出了效率更高、适应性更强的改进算法。文献［11］提出了基于搜索空间划分和sharing函数的粒子群优化算法；文献［12］对传统gep的评估算法进行研究，提出了具有线性复杂