神经网络算子——一种面向符号回归问题的遗传编程新方法.pdfVIP

第42卷第4期计算机应用研究Vol.42No.4

2025年4月ApplicationResearchofComputersApr.2025

神经网络算子一一一种面向符号回归问题的

遗传编程新方法*

陈勃，党隆政，陈国宏

（福州大学a.计算机与大数据学院；b.经济与管理学院，福州350108）

摘要：针对符号回归中遗传编程方法在表达式空间中随机搜索缺乏方向性，以及种群进化过程中未利用数据

特征导致效率低下的问题，提出了一种称作神经网络算子的新颖变异算子。该算子通过递归神经网络学习给定

数据集特征，优化种群中的表达式，使种群向误差更低的方向进化，提升种群的进化效率。实验结果表明，结合

神经网络算子的遗传编程方法在公式恢复率和种群进化速度上均优于原始方法，并在宏观经济数据集上取得了

较高的决定系数。结论证明，神经网络算子能够有效引导遗传编程种群进行特征导向搜索，显著提升进化效率，

具有实际应用潜力。

关键词：符号回归；遗传编程；变异算子；种群进化

中图分类号：TP399文献标志码：A文章编号：1001-3695(2025)04-026-1158-09

doi:10.19734/j.issn.1001-3695.2024.09.0337

Neuralnetworkoperator-novelgeneticprogrammingapproachfor

symbolicregression

ChenBoat,DangLongzheng,ChenGuohong

(a.CollegeofComputerDataScience,b.SchoolofEconomicsManagement,FuzhouUniversity,Fuzhou350108,China)

Abstract:Geneticprogrammingmethodsinsymbolicregressionsufferfromalackofdirectioninrandomsearchwithinexpres-

sionspaceandinefficiencyduetonotutilizingdatafeaturesduringpopulationevolution.Thispaperproposedanovelmutation

operatorcalledtheneuralnetworkoperatortoaddresstheseproblems.Thisoperatorusedrecurrentneuralnetworkstolearn

featuresofagivendataset,optimizedexpressionsinthepopulation,guidedthepopulationtoevolvetowardslowererror,and

improvedevolutionaryefficiency.Experimentalresultsshowthatthegeneticprogrammingmethodcombinedwiththeneural

networkoperatoroutperformstheoriginalmethodinbothformularecoveryrateandpopulationevolutionspeed,andachievesa

highcoefficientofdeterminationonmacroeconomicdat