結(jié)構(gòu)化的基因表達(dá)編程算法研究和應(yīng)用.pdf

1、基因表達(dá)式編程（Gene Expression Programming，GEP）是一種受基因結(jié)構(gòu)和功能啟發(fā)而設(shè)計(jì)的遺傳編程算法。它吸收了遺傳算法和遺傳編程的優(yōu)點(diǎn)，并通過簡單編碼解決復(fù)雜問題，最近國內(nèi)外學(xué)者已經(jīng)對基因表達(dá)編程做了一些有意義的探索研究，特別在函數(shù)挖掘、分類規(guī)則發(fā)現(xiàn)、時(shí)間序列預(yù)測等方面取得一定影響，同時(shí)基因表達(dá)式編程方面的研究還存在很多需要解決的問題，例如基因表達(dá)式種群規(guī)模的龐大、迭代次數(shù)過長、表達(dá)式樹的生成釋放需要大量的時(shí)空

2、資源等已成為提高基因表達(dá)編程算法性能的瓶頸。
　　我們在仔細(xì)研究了基因表達(dá)編程算法整個(gè)框架，針對它存在的以上問題，提出了結(jié)構(gòu)化的基因表達(dá)編程（Structured Gene Expression Programming，SGEP）算法。在處理基因表達(dá)式的過程中，對基因表達(dá)形式進(jìn)一步抽象從而形成基因結(jié)構(gòu)模板，在進(jìn)化的過程中優(yōu)質(zhì)基因的結(jié)構(gòu)模板得以保存下來，最終由優(yōu)質(zhì)的結(jié)構(gòu)模板產(chǎn)生優(yōu)質(zhì)基因組，使得算法具有在操作上方便，運(yùn)行效率高、所需空

3、間少和效能提高等優(yōu)點(diǎn)，并且額外得到優(yōu)質(zhì)基因模板能為其他同類問題提供更好的領(lǐng)域知識，有助于提升對處理問題的理解，從而將進(jìn)化學(xué)習(xí)中的成功經(jīng)驗(yàn)應(yīng)用于其他領(lǐng)域。
　　本論文的主要的工作和貢獻(xiàn)如下:
　　(1)提出了結(jié)構(gòu)化的基因表達(dá)編程算法。首先通過評估隨機(jī)產(chǎn)生的基因組，選出優(yōu)質(zhì)基因，然后去函數(shù)符號得到抽象的優(yōu)質(zhì)基因結(jié)構(gòu)化表達(dá)式，再用這些優(yōu)質(zhì)基因結(jié)構(gòu)化表達(dá)式分別產(chǎn)生新的基因組，并對這些新的基因表達(dá)式進(jìn)行變異、倒串、插串、計(jì)算適應(yīng)度值，

4、從而選出更好的優(yōu)質(zhì)基因結(jié)構(gòu)化表達(dá)式用于進(jìn)化解決問題。結(jié)構(gòu)化的基因表達(dá)編程算法通過從基因表達(dá)式中提取有益的結(jié)構(gòu)來進(jìn)化結(jié)構(gòu)表達(dá)式，比基因表達(dá)編程算法具有更高的表達(dá)和抽象能力、通過基因的結(jié)構(gòu)進(jìn)化得以更好地保留了優(yōu)質(zhì)基因的DNA，提升了求解問題的能力，實(shí)驗(yàn)結(jié)果表明結(jié)構(gòu)化的基因表達(dá)編程算法能夠比基因表達(dá)編程算法更加準(zhǔn)確地挖掘函數(shù)，并且在地震的預(yù)測上也能夠教準(zhǔn)確地預(yù)測地震的震級。
　　(2)將結(jié)合RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)化的基因表達(dá)編程算法應(yīng)用于

5、處理復(fù)雜函數(shù)發(fā)現(xiàn)問題?；诮Y(jié)構(gòu)化的基因表達(dá)編程算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)算法利用結(jié)構(gòu)化的基因表達(dá)編程具有的強(qiáng)大的搜索能力，以及在進(jìn)化過程中無需考慮函數(shù)的具體的形式的通用性。通過對復(fù)雜函數(shù)的挖掘?qū)嶒?yàn)結(jié)果表明SGEP-RBF算法比RBF算法、基因表達(dá)式編程算法具有準(zhǔn)確地挖掘出函數(shù)的能力，更加準(zhǔn)確地發(fā)現(xiàn)數(shù)據(jù)之間的內(nèi)部聯(lián)系，而且SGEP-RBF的精度比其他兩個(gè)算法要好。并且將SGEP-RBF算法應(yīng)用于氣象的預(yù)測，實(shí)驗(yàn)結(jié)果表明，SGEP-RBF算法

6、能夠較準(zhǔn)確地預(yù)測氣象方面的信息。
　　(3)將結(jié)構(gòu)化的基因表達(dá)編程算法用于處理文本分類問題。結(jié)構(gòu)化的基因表達(dá)編程文本分類算法先通過建立訓(xùn)練的文本集合中的每個(gè)文檔的VSM特征空間向量，然后基于結(jié)構(gòu)化的基因表達(dá)編程的文檔分類器構(gòu)造出初始化的群體，再用結(jié)構(gòu)化的基因表達(dá)編程算法對群體進(jìn)行處理，找出文本的屬性和文本的類別之間的內(nèi)在函數(shù)關(guān)系，最后再利用訓(xùn)練發(fā)現(xiàn)的關(guān)系模型對新的文本進(jìn)行判斷類別操作，得到最終的分類結(jié)果。通過對文本數(shù)據(jù)集的測試，以