基于基因表達式編程的優(yōu)化與學習方法研究.pdf

1、具有智能特性的進化計算，已被成功應用于數據挖掘領域?；虮磉_式編程(GEP)是在遺傳算法和遺傳編程基礎上提出的一種新型的進化計算，已在函數發(fā)現、優(yōu)化問題等方面取得了良好的效果。本文以GEP為主要研究對象，研究如何用GEP解決優(yōu)化與學習方面的相關問題，這些問題是進化計算與數據挖掘相結合的熱點問題，是進化計算應用研究的重要方向。本文主要工作和成果如下：
　　 本文對GEP進行了專門的研究，包括它的起源和特點、基本結構、適應度函數、選

2、擇算子和遺傳算子及其相關應用等。另一方面，研究優(yōu)化和學習方面的相關知識，以及其他一些進化機制，如病毒進化、克隆選擇和量子進化。
　　 本文主要工作是研究GEP在多目標優(yōu)化、分類規(guī)則挖掘方面和信用評估方面的應用。一方面，針對多目標優(yōu)化問題，對基本的GEP編碼做相應的改造，并對其進行理論分析。然后在此基礎上，研究新的基于GEP的多目標優(yōu)化算法，分別設計了GEP和病毒進化以及GEP和量子進化相結合的兩種算法。在一些多目標優(yōu)化測試函數上

3、的實驗結果表明，這兩種新算法對于解決多目標優(yōu)化問題效果良好。另一方面，本文還研究了GEP在分類規(guī)則挖掘這類學習問題中的應用，設計了兩種新的基于GEP的分類規(guī)則挖掘算法。在幾個標準分類數據集上的實驗結果驗證了這兩種分類規(guī)則挖掘算法的有效性。最后，本文研究并設計了一種新的基于GEP的信用評估方法，信用評估問題本質上是模式識別的分類問題。
　　 通過對多目標優(yōu)化和分類規(guī)則挖掘(包括信用評估)這兩大類優(yōu)化與學習問題的研究，本文設計并實現