GEP評(píng)估及個(gè)體多樣性對策.pdf

1、遺傳算法和遺傳編程作為進(jìn)化計(jì)算模型中的兩個(gè)最典型的分支，已成為人工智能的研究熱點(diǎn)。遺傳算法采用線性編碼解決簡單問題，而遺傳編程采用樹結(jié)構(gòu)編碼來解決復(fù)雜問題。2001年，葡萄牙學(xué)者CandidaFerreira在遺傳算法和遺傳編程的基礎(chǔ)上揚(yáng)長避短，提出了基因表達(dá)式編程算法(Gene Expression Programming，GEP)。GEP克服了遺傳算法和遺傳編程各自的缺點(diǎn)，綜合了它們的優(yōu)點(diǎn)，通過簡單緊湊的編碼解決復(fù)雜的應(yīng)用問題，易于

2、進(jìn)行遺傳操作，其性能比遺傳編程高出2-4個(gè)數(shù)量級(jí)。作為進(jìn)化計(jì)算中的一個(gè)新分支，GEP的研究才開始，它需要更加堅(jiān)實(shí)的理論基礎(chǔ)來完善自己。本文在前人工作的基礎(chǔ)上對GEP的研究現(xiàn)狀、原理、不足、改進(jìn)及應(yīng)用進(jìn)行了研究。
　　 本文的主要研究工作包括以下幾個(gè)方面：
　　 (1)分析了傳統(tǒng)GEP算法的局限性。
　　 (2)提出了一種新的GEP解碼方法(Stack Decoding，SD)，該方法利用堆棧直接對染色體進(jìn)行解碼和

3、適應(yīng)度評(píng)價(jià)，無需將染色體轉(zhuǎn)換為表達(dá)式樹，從而提高了算法的運(yùn)行速度，并且通過符號(hào)回歸實(shí)驗(yàn)進(jìn)行了驗(yàn)證。
　　 (3)為了保持GEP進(jìn)化過程中的種群多樣性，在SD方法的基礎(chǔ)上，以元胞自動(dòng)機(jī)模型為框架，提出了基于堆棧解碼的元胞基因表達(dá)式編程算法(Stack Decoding Based Cellular Gene Expression Programming，SD-CGEP)，符號(hào)回歸和預(yù)測分析實(shí)驗(yàn)表明該算法在運(yùn)行速度和預(yù)精確度上均超過