針對現(xiàn)有符號回歸方法僅關(guān)注擬合誤差而忽略模型簡化的問題,提出了一種基于多目標的人工魚群算法,將擬合誤差與模型復(fù)雜度同時作為目標函數(shù)進行優(yōu)化.以二叉堆對語法樹編碼,優(yōu)良分支得以穩(wěn)定地遺傳和繼承,也更易解碼.在引入蒙版、鄰域、小生境、擁擠度等概念的基礎(chǔ)上,設(shè)計和定義了適用于二叉堆編碼的隨機游動、覓食、追尾、逃脫等人工魚行為算子.詳盡的實驗表明,提出算法在符號回歸過程中能獲取高質(zhì)量的Pareto解.此外,對從Pareto前沿上選取折衷解及降低算法內(nèi)存開銷的方法也進行了討論. 

【文章來源】：控制理論與應(yīng)用. 2020,37(02)北大核心EICSCD

【文章頁數(shù)】：15 頁

【文章目錄】：
1 引言
2 擬合誤差與模型復(fù)雜度的量化
    2.1 擬合誤差
    2.2 模型復(fù)雜度
3 用于符號回歸的多目標人工魚群算法
    3.1 人工魚編碼
        3.1.1 ORF串的缺點
        3.1.2 二叉堆編碼
        3.1.3 蒙版
    3.2 人工魚行為算子與外部檔案維護
    3.3 算法步驟
4 仿真實驗
5 討論
    5.1 模型的選擇
    5.2 內(nèi)存開銷的降低
    5.3 參數(shù)的選擇
6 結(jié)論



本文編號：3148677