基于基因表達(dá)式編程的優(yōu)化與學(xué)習(xí)方法研究.pdf

1、具有智能特性的進(jìn)化計算，已被成功應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域?；虮磉_(dá)式編程(GEP)是在遺傳算法和遺傳編程基礎(chǔ)上提出的一種新型的進(jìn)化計算，已在函數(shù)發(fā)現(xiàn)、優(yōu)化問題等方面取得了良好的效果。本文以GEP為主要研究對象，研究如何用GEP解決優(yōu)化與學(xué)習(xí)方面的相關(guān)問題，這些問題是進(jìn)化計算與數(shù)據(jù)挖掘相結(jié)合的熱點問題，是進(jìn)化計算應(yīng)用研究的重要方向。本文主要工作和成果如下：
　　 本文對GEP進(jìn)行了專門的研究，包括它的起源和特點、基本結(jié)構(gòu)、適應(yīng)度函數(shù)、選

2、擇算子和遺傳算子及其相關(guān)應(yīng)用等。另一方面，研究優(yōu)化和學(xué)習(xí)方面的相關(guān)知識，以及其他一些進(jìn)化機制，如病毒進(jìn)化、克隆選擇和量子進(jìn)化。
　　 本文主要工作是研究GEP在多目標(biāo)優(yōu)化、分類規(guī)則挖掘方面和信用評估方面的應(yīng)用。一方面，針對多目標(biāo)優(yōu)化問題，對基本的GEP編碼做相應(yīng)的改造，并對其進(jìn)行理論分析。然后在此基礎(chǔ)上，研究新的基于GEP的多目標(biāo)優(yōu)化算法，分別設(shè)計了GEP和病毒進(jìn)化以及GEP和量子進(jìn)化相結(jié)合的兩種算法。在一些多目標(biāo)優(yōu)化測試函數(shù)上

3、的實驗結(jié)果表明，這兩種新算法對于解決多目標(biāo)優(yōu)化問題效果良好。另一方面，本文還研究了GEP在分類規(guī)則挖掘這類學(xué)習(xí)問題中的應(yīng)用，設(shè)計了兩種新的基于GEP的分類規(guī)則挖掘算法。在幾個標(biāo)準(zhǔn)分類數(shù)據(jù)集上的實驗結(jié)果驗證了這兩種分類規(guī)則挖掘算法的有效性。最后，本文研究并設(shè)計了一種新的基于GEP的信用評估方法，信用評估問題本質(zhì)上是模式識別的分類問題。
　　 通過對多目標(biāo)優(yōu)化和分類規(guī)則挖掘(包括信用評估)這兩大類優(yōu)化與學(xué)習(xí)問題的研究，本文設(shè)計并實現(xiàn)