基于CUDA的符号回归算法并行设计与实现-计算机软件与理论专业论文.docxVIP

摘要 随着信息存储的急剧增长，人们迫切需要从海量数据中提取有用的信息与知识， 并将获取的有用经验广泛用于商务管理、生产控制、市场分析、工程设计和科学 探索等。而符号回归算法则是数据挖掘在科学计算领域的一个重要研究方向与课 题。简单地说，符号回归即是在一组大量的相关变量的数据样本中，搜索出一个 符号形式的数学公式，来以指定的精度拟合数据。 目前解决该问题的方法多是基于遗传规划算法来实现的，但由于其编码的复杂 性与变异过程的不易操作性，本文采用基于基因表达式程序设计(GEP)的新型进化 算法，它结合了遗传算法定长线性编码方式与遗传规划算法易于表达复杂结构的 优势，使得其在实际应用尤其是符号回归问题上表现的相当出色。为了改进传统 GEP 算法的性能与精度，本文选用 GPU 作为并行计算平台，使用 Nvidia 公司推出 的统一计算设备架构 CUDA 这一编程模型，将 GEP 遗传算法中计算量最大的适应 度值求解过程放在 GPU 上并行处理，充分发挥了 GPU 的计算性能，并得到了满 意的加速效果。而在算法正确性方面，本文在个体的进化算法过程中融入了本地 搜索算法，最小二乘方法(MLS)，旨在个体每次进化出固定结构后，不断地优化常 系数，使其最大精度的满足实验样本数据，从而改善每个染色体的适应度值。 本文实验部分，选取了 30 组从国外文献中摘取出来的，具有代表意义的实验 样例，分别从算法性能与成功率两方面进行实验。在速度对比实验中，基于 CUDA 的符号回归算法性能相对于串行程序能够达到 250 倍的加速比；而在搜索结果正 确率比对实验中，嵌入 MLS 常系数生成算法的符号回归算法，无论在最优残差还 是在平均残差的参量上都要优于其他几种常系数生成算法，进化搜索出来的公式 能够更精确的拟合实验样本数据。 关键词：符号回归 基因表达式编程 CUDA GPU 最小二乘法 Abstract With the rapidly growth of information data, people expect so badly to find a method to extract useful information and knowledge from these magnanimous amount of data. This experience can be widely used in business management, production control, market analysis, engineering design and scientific exploration. Symbolic Regression is a promising research aspect in the era of scientific computing for data mining. In short, the general purpose of Symbolic Regression is to find an optimal symbol expression that best fits a target sample set, which has much experimental data. Currently, the mainstream methods to solve the problem of Symbolic Regression are almost based on genetic programming (GP). For the reason that individuals in GP are extremely difficult to reproduce with modification, we adopt a popular evolutionary algorithm, gene expression programming (GEP), in this paper.The GEP individuals are encoded as fixed length linear chromosomes (genotype), which are then translated into different sized and shaped non-linear entities named expression trees (ETs) (phenotype). GEP inherits the manipulative and expressive advantages of GAs and GP. In this paper, we will introduce a hyb