本文關(guān)鍵詞： 基因表達(dá)式編程(GEP) 鏡像替換 重啟機制 克隆選擇　出處：《計算機科學(xué)與探索》2017年01期 　論文類型：期刊論文

【摘要】：基因表達(dá)式編程(gene expression programming,GEP)是一種新型的進(jìn)化算法,在函數(shù)發(fā)現(xiàn)領(lǐng)域具有很好的應(yīng)用。針對傳統(tǒng)GEP存在的不足,提出了一種采用混合策略的改進(jìn)基因表達(dá)式編程算法(improved gene expression programming algorithm used by hybrid strategy,HSI-GEP)。主要有兩點改進(jìn):(1)采用鏡像和重啟機制對種群中的較差個體進(jìn)行替換,以提高種群的質(zhì)量和多樣性;(2)在原有錦標(biāo)賽選擇之前引入克隆選擇,以提高算法對優(yōu)質(zhì)解的開采能力。與權(quán)威文獻(xiàn)中改進(jìn)的GEP算法關(guān)于函數(shù)發(fā)現(xiàn)問題的大量對比實驗表明,HSIGEP算法求解質(zhì)量高,收斂速度快,具有明顯的競爭力。
[Abstract]:Gene expression programming (GP) is a new evolutionary algorithm. It has a good application in the field of function discovery, aiming at the shortcomings of traditional GEP. An improved gene expression programming algorithm based on hybrid strategy is proposed. Improved gene expression programming algorithm used by hybrid. Strategy. In order to improve the quality and diversity of the population, there are two main improvements in HSI-GEP1: 1) the use of mirror image and restart mechanism to replace the poor individuals in the population, so as to improve the quality and diversity of the population. 2) Clonal selection is introduced before the original tournament selection to improve the mining ability of the algorithm to the high quality solution. A large number of comparative experiments on the function discovery problem of the improved GEP algorithm in authoritative literature show that the proposed algorithm can be used to solve the problem of function discovery. The HSIGEP algorithm has the advantages of high quality, fast convergence and obvious competitive power.
【作者單位】： 西安建筑科技大學(xué)信息與控制工程學(xué)院;
【基金】：國家自然科學(xué)基金 陜西省自然科學(xué)基金~~
【分類號】：Q811.4;TP301.6
【正文快照】： 1 引言 基因表達(dá)式編程(gene expression programming,GEP)[1-2]由Ferreira在2001年提出,是進(jìn)化算法的新成果。GEP繼承了遺傳算法(genetic algorithm,GA)與遺傳編程(genetic programming,GP)的優(yōu)點,具有GA編碼、操作的簡潔性和GP求解復(fù)雜問題強有力的空間搜索能力,成為函數(shù)發(fā)

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 夏林麗;張著洪;;多模式項目資源配置及其免疫優(yōu)化決策[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2010年04期

2 梁霖,徐光華;基于克隆選擇的粗糙集屬性約簡方法[J];西安交通大學(xué)學(xué)報;2005年11期

3 王佃來;劉文萍;;基于克隆選擇聚類改進(jìn)的植被變化回歸趨勢分析[J];農(nóng)業(yè)機械學(xué)報;2013年12期

4 張曉剛;一種基于克隆選擇與多父體雜交的函數(shù)優(yōu)化算法[J];湖北成人教育學(xué)院學(xué)報;2005年02期

5 劉楠楠;史旭華;;基于抗體濃度的克隆選擇多目標(biāo)優(yōu)化算法及其應(yīng)用[J];寧波大學(xué)學(xué)報(理工版);2013年03期

6 陶新民;劉玉;付丹丹;畢思明;;混合變異克隆選擇多目標(biāo)優(yōu)化算法[J];計算機仿真;2011年10期

7 ;[J];;年期

相關(guān)會議論文 前2條

1 胡選子;謝存禧;;基于克隆選擇的移動機器人路徑規(guī)劃[A];2009年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(上冊)[C];2009年

2 馮艷華;鐘誠;譚運寶;閆鐵;趙艷;;動態(tài)克隆選擇的成熟檢測器進(jìn)化算法[A];2007年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(下冊)[C];2007年

相關(guān)博士學(xué)位論文 前1條

1 胡江強;基于克隆選擇優(yōu)化的船舶航向自適應(yīng)控制[D];大連海事大學(xué);2008年

相關(guān)碩士學(xué)位論文 前4條

1 秦麗;一類組合膜計算與免疫機制的聚類算法[D];西華大學(xué);2015年

2 楊秋實;改進(jìn)的克隆選擇優(yōu)化算法及其應(yīng)用研究[D];長沙理工大學(xué);2008年

3 寧合軍;基于點對稱距離的聚類算法及其應(yīng)用[D];西安電子科技大學(xué);2010年

4 桑志祥;融合克隆選擇的AEA算法及其在約束優(yōu)化問題中的應(yīng)用[D];華東理工大學(xué);2013年

，

本文編號：1456430