基因表达式编程在重金属形态预测建模中的应用研究

提出一种改进的GEP(Gene Expression Programming)算法。根据重金属(HM)形态随时间变化(HMFT)的特点,建立基于跳跃基因表达式编程(JM-GEP)的重金属形态预测模型。跳跃算子是该模型的关键。为了保持种群多样性,研究最优保留策略GEP的收敛特性,跳跃算子采用自适应的跳跃概率。针对改进后的JM-GEP算法,提出一种基于GEP的重金属形态预测建模方法。仿真结果表明新模型更适合于HMFT的特性函数,找到全局最优解,且明显优于经典GEP算法及其他算法。该新模型方法还可广泛用于其他时间序列预测问题的研究。

基于改进的基因表达式编程在重金属形态获取中的应用

本文研究了基因表达式编程在重金属形态获取中的应用问题.利用改进的基因表达式编程和Shannon信息熵方法,验证了算法的高效性,获得了重金属形态预测模型并从该模型中获取了重金属的形态知识的结果.该新模型方法还可广泛用于其他时间序列预测问题的研究.