結(jié)構(gòu)化的基因表達編程算法研究和應用.pdf

1、基因表達式編程（Gene Expression Programming，GEP）是一種受基因結(jié)構(gòu)和功能啟發(fā)而設計的遺傳編程算法。它吸收了遺傳算法和遺傳編程的優(yōu)點，并通過簡單編碼解決復雜問題，最近國內(nèi)外學者已經(jīng)對基因表達編程做了一些有意義的探索研究，特別在函數(shù)挖掘、分類規(guī)則發(fā)現(xiàn)、時間序列預測等方面取得一定影響，同時基因表達式編程方面的研究還存在很多需要解決的問題，例如基因表達式種群規(guī)模的龐大、迭代次數(shù)過長、表達式樹的生成釋放需要大量的時空

2、資源等已成為提高基因表達編程算法性能的瓶頸。
　　我們在仔細研究了基因表達編程算法整個框架，針對它存在的以上問題，提出了結(jié)構(gòu)化的基因表達編程（Structured Gene Expression Programming，SGEP）算法。在處理基因表達式的過程中，對基因表達形式進一步抽象從而形成基因結(jié)構(gòu)模板，在進化的過程中優(yōu)質(zhì)基因的結(jié)構(gòu)模板得以保存下來，最終由優(yōu)質(zhì)的結(jié)構(gòu)模板產(chǎn)生優(yōu)質(zhì)基因組，使得算法具有在操作上方便，運行效率高、所需空

3、間少和效能提高等優(yōu)點，并且額外得到優(yōu)質(zhì)基因模板能為其他同類問題提供更好的領域知識，有助于提升對處理問題的理解，從而將進化學習中的成功經(jīng)驗應用于其他領域。
　　本論文的主要的工作和貢獻如下:
　　(1)提出了結(jié)構(gòu)化的基因表達編程算法。首先通過評估隨機產(chǎn)生的基因組，選出優(yōu)質(zhì)基因，然后去函數(shù)符號得到抽象的優(yōu)質(zhì)基因結(jié)構(gòu)化表達式，再用這些優(yōu)質(zhì)基因結(jié)構(gòu)化表達式分別產(chǎn)生新的基因組，并對這些新的基因表達式進行變異、倒串、插串、計算適應度值，

4、從而選出更好的優(yōu)質(zhì)基因結(jié)構(gòu)化表達式用于進化解決問題。結(jié)構(gòu)化的基因表達編程算法通過從基因表達式中提取有益的結(jié)構(gòu)來進化結(jié)構(gòu)表達式，比基因表達編程算法具有更高的表達和抽象能力、通過基因的結(jié)構(gòu)進化得以更好地保留了優(yōu)質(zhì)基因的DNA，提升了求解問題的能力，實驗結(jié)果表明結(jié)構(gòu)化的基因表達編程算法能夠比基因表達編程算法更加準確地挖掘函數(shù)，并且在地震的預測上也能夠教準確地預測地震的震級。
　　(2)將結(jié)合RBF神經(jīng)網(wǎng)絡的結(jié)構(gòu)化的基因表達編程算法應用于

5、處理復雜函數(shù)發(fā)現(xiàn)問題?；诮Y(jié)構(gòu)化的基因表達編程算法優(yōu)化的RBF神經(jīng)網(wǎng)絡算法利用結(jié)構(gòu)化的基因表達編程具有的強大的搜索能力，以及在進化過程中無需考慮函數(shù)的具體的形式的通用性。通過對復雜函數(shù)的挖掘?qū)嶒灲Y(jié)果表明SGEP-RBF算法比RBF算法、基因表達式編程算法具有準確地挖掘出函數(shù)的能力，更加準確地發(fā)現(xiàn)數(shù)據(jù)之間的內(nèi)部聯(lián)系，而且SGEP-RBF的精度比其他兩個算法要好。并且將SGEP-RBF算法應用于氣象的預測，實驗結(jié)果表明，SGEP-RBF算法

6、能夠較準確地預測氣象方面的信息。
　　(3)將結(jié)構(gòu)化的基因表達編程算法用于處理文本分類問題。結(jié)構(gòu)化的基因表達編程文本分類算法先通過建立訓練的文本集合中的每個文檔的VSM特征空間向量，然后基于結(jié)構(gòu)化的基因表達編程的文檔分類器構(gòu)造出初始化的群體，再用結(jié)構(gòu)化的基因表達編程算法對群體進行處理，找出文本的屬性和文本的類別之間的內(nèi)在函數(shù)關系，最后再利用訓練發(fā)現(xiàn)的關系模型對新的文本進行判斷類別操作，得到最終的分類結(jié)果。通過對文本數(shù)據(jù)集的測試，以