基于统计分析和停滞速度GEP自动建模.docVIP

基于统计分析和停滞速度GEP自动建模 　　摘 要：介绍了基因表达式程序设计的基本原理，并针对经典GEP算法存在的不足提出了一种基于统计分析和停滞速度的改进GEP算法――SACVGEP。其特点在于：用重复体统计的方法改进了初始种群的生成；提出停滞速度概念；引入了动态变异算子。最后，将该算法用于求解复杂函数自动建模并与传统方法、神经网络方法、经典GEP方法等进行比较。实验结果表明，用此方法建立的模型比传统方法、神经网络方法、经典GEP等方法具有更好的性能。 　　关键词：基因表达式程序设计； 自动建模； 统计分析； 停滞速度 　　中图分类号：TP391.9 文献标志码：A 文章编号：1001-3695(2008)08-2312-04 　　 　　Automatic modeling of novel gene expression programming 　　based on statistical analysis and critical velocity 　　LI Kang-shun??1,2??, PAN Wei-feng??1, ZHANG Wen-sheng??2 , WANG Feng??3 　　(1.School of Information Engineering, Jiangxi University of Science Technology, Ganzhou Jiangxi 341000, China; 2.Institute of Automation, Chinese Academy of Sciences, Beijing 100080, China; 3.School of Computer, Wuhan University, Wuhan 430072, China) 　　Abstract:This paper briefly introduced the basic principle of GEP. And as to the shortcomings of classic GEP, proposed a novel GEP based on statistical analysis and stagnancy velocity (SACVGEP). It mainly had the following characteristics. First, improved the initial population by statistic analysis of repeat bodies. Second, introduced the concept of stagnancy velocity. Third, introduced dynamic mutation operator. Compared with other methods like traditional methods, neural network methods, classic GEP and its like in automatic modeling of complex function, the simulation results show that the SACVGEP is the best. 　　Key words：gene expression programming(GEP); automatic modeling; statistical analysis; critical velocity 　　 　　基因表达式程序设计[1]是演化计算家族中的新成员，是由葡萄牙科学家Candida于2001年草创的，是一种基于基因组和表现型组的新的自适应演化算法。它综合了遗传算法（GA）和遗传程序设计（GP）的优点，具有染色体简单、线性和紧凑、易于遗传操作等优点，比普通的遗传编程在效率上高2~4??个数量级[2]。国内在GEP研究方面以四川大学起步较早，已经将其应用于函数发现、时间序列预测、分类问题等领域[3~6]；中国地质大学也将GEP应用于经济预测和瓦斯涌出量预测中[7，8]。 　　函数自动化建模(自动化程序设计)是预测领域的重要问题之一[9]，最常用的方法是采用最小二乘法进行曲线拟合来近似函数，但这种方法对问题的约束过多，而且只能求解简单问题[10]。目前，也有人用神经网络、遗传程序设计等实现了复杂函数自动建模[10]，取得了较好的效果。鉴于GEP继承自GP，具有与GP类似的基因结构，这就为函数自动建模提供了依据，也涌现了很多相关方面的文章[11~14]。本文提出了一种基于统计分析和停滞速度的改进GEP算法（SACVGEP），它对经典GEP算法存在的多样性表现不足、容易出现