摘要
传统的基因表达式编程(Gene Expression Programming)挖掘复杂函数时,存在进化辈数过大、无法跳出局部最优解等问题,提出了基于多表达式基因编程的遗传进化算法,提高GEP的全局寻优能力,提出了一种新的多表达式基因编程的遗传进化算法(Multi Expression Gene Programming,MEGP),建立了同一染色体内基因多层次编码、解码模型,理论上分析并比较了MEGP算法的表达空间复杂性,实现了多表达染色体遗传进化算法和染色体适应度评价算法。实验表明,在解决函数挖掘问题中,MEGP成功率是传统GEP的2~4倍。
For complex function mining,traditional gene expression programming(GEP) need large number of evolutionary generations and would plunge into local optimum.To solve the problem,a novel evolutionary algorithm based on multiple expression genes programming(MEGP) was presented.The main contributions included: 1) a novel gene hierarchical representation model to encode solutions of complex function finding was provided;2)a chromosome architecture that allows of a genome with multiple candidate expressions was pr...
出处
《四川大学学报(工程科学版)》
EI
CAS
CSCD
北大核心
2008年第6期121-126,共6页
Journal of Sichuan University (Engineering Science Edition)
基金
国家自然科学基金资助项目(60773169)
"十一五"国家科技支撑计划资助项目(2006BAI05A01)
关键词
基因表达式编程
多表达式
函数发现
遗传进化
Gene Expression Programming
multi expression
function finding
genetic algorithm