GEP評估及個體多樣性對策.pdf

1、遺傳算法和遺傳編程作為進化計算模型中的兩個最典型的分支，已成為人工智能的研究熱點。遺傳算法采用線性編碼解決簡單問題，而遺傳編程采用樹結構編碼來解決復雜問題。2001年，葡萄牙學者CandidaFerreira在遺傳算法和遺傳編程的基礎上揚長避短，提出了基因表達式編程算法(Gene Expression Programming，GEP)。GEP克服了遺傳算法和遺傳編程各自的缺點，綜合了它們的優(yōu)點，通過簡單緊湊的編碼解決復雜的應用問題，易于

2、進行遺傳操作，其性能比遺傳編程高出2-4個數(shù)量級。作為進化計算中的一個新分支，GEP的研究才開始，它需要更加堅實的理論基礎來完善自己。本文在前人工作的基礎上對GEP的研究現(xiàn)狀、原理、不足、改進及應用進行了研究。
　　 本文的主要研究工作包括以下幾個方面：
　　 (1)分析了傳統(tǒng)GEP算法的局限性。
　　 (2)提出了一種新的GEP解碼方法(Stack Decoding，SD)，該方法利用堆棧直接對染色體進行解碼和

3、適應度評價，無需將染色體轉(zhuǎn)換為表達式樹，從而提高了算法的運行速度，并且通過符號回歸實驗進行了驗證。
　　 (3)為了保持GEP進化過程中的種群多樣性，在SD方法的基礎上，以元胞自動機模型為框架，提出了基于堆棧解碼的元胞基因表達式編程算法(Stack Decoding Based Cellular Gene Expression Programming，SD-CGEP)，符號回歸和預測分析實驗表明該算法在運行速度和預精確度上均超過