基于动态种群的GEP函数挖掘算法研究  

Function Mining for GEP on Dynamic Population

作　　者：杨乐婵[1] 邓岳川[1] 

机构地区：[1]滁州学院国土信息工程系,安徽滁州239000

出　　处：《计算机与现代化》2009年第4期59-61,64,共4页Computer and Modernization

基　　金：安徽省高校青年教师资助计划项目(2008jg1115)

摘　　要：对样本数据进行函数挖掘是GEP研究的一个重要内容。传统的GEP算法往往容易陷入局部最优,为了解决这个问题,本文在动态种群生成策略的基础上,提出了基于动态种群的GEP函数挖掘算法(FMGEP-DP)。实验表明,无论是在噪声数据不大的情况下,还是对于函数类型未知且复杂的数据,与传统的GEP和GP相比,FMGEP-DP的收敛速度要快,函数挖掘成功率要高。Mining Function from sample dataset is an important research branch of GEP. Traditional GEP is easily converging to local minimum. To solve the problem, this paper presents function mining for GEP on dynamic population （FMGEP-DP）. Experiments show that to data with low noise or data with unknown function type and complicated, success rate of function mining and convergent speed of FMGEP-DP is obviously improved by contrast to traditional GEP and GP.

关 键 词：基因表达式编程 动态种群 函数挖掘 遗传编程 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]