嵌合遗传算法和Spark的基因表达式编程的函数发现研究

发布时间：2020-08-28 01:54

【摘要】：随着社会的进步和科学技术的发展,IT技术相关的各个行业都呈现出高速发展,与其相关的海量信息也迎面而来,如何从海量的数据信息中提取有用的信息,进而更好帮助我们预测和指导相关的实践工作,是当前面临的一大困境。函数发现是数据挖掘的重要分支之一,其存在目的就是对海量数据进行处理,最终发现其中存在的规律和变化趋势,形成一种函数模型。本文主要研究基因表达式编程(GEP)在函数发现中的应用。GEP是Ferreira在继承遗传算法(GA)和遗传编程(GP)的基础上提出的第三类新型进化算法,它集中了GA和GP的优点,并且克服了不足之处,最终实现通过简单的编码解决现实生活中复杂问题的目的,更适合函数发现方面的应用。函数发现问题归根结底可理解为通过优化分析,最终得出与原函数拟合度最高的函数,其中,数值常量的处理方式是决定GEP算法能否很好解决函数发现问题的重要因素之一。本文提出了一种嵌合遗传算法的基因表达式编程的函数发现算法(GEP-GA),该算法改进之处就在于提出了一种新的常量优化方法。在函数发现过程中分别通过两种措施对每一代的优化过程进行处理:首先,在固定常量集前提下,由常规的GEP算法确定函数结构;其次,使用GA对第一阶段得出的函数结构的常量进行优化,并将优化后得到的常量做为下一代的固定常量。实验结果表明,GEP-GA比以往指定常量的常量处理方法(GEP-MC)效果有较大提升,并且更加智能化。GEP-GA在解决函数发现问题的时候,随着问题规模的增大和函数复杂度的提升,GA在全局搜索优化方面渐渐的表现出一些缺陷,例如,搜索速度比较慢、进化时间长、局部的搜索能力也变得越来越差等等。如何解决GA在实际问题中存在的缺陷是近几年来研究者们广泛关注的焦点。面对以上问题,本文充分利用遗传算法天然的并行性,将Spark集群的高速并行性和遗传算法天然的并行性相结合。实验结果表明,Spark的加入减少了GA未成熟收敛的可能性,提高了求解质量,在加快搜索速度、减少进化时间、提高局部搜索能力等方面更是表现出很好的效果。
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18
【图文】：

测试函数曲线

进化曲线

GEP-GA的最终优化解

【相似文献】

相关期刊论文 前10条

1 李超;王杰;史运涛;李锦龙;;基于遗传算法的汽油调和优化系统[J];工业控制计算机;2018年10期

2 冯锦春;杨林建;;利用遗传算法进行机械优化[J];四川工程职业技术学院学报;2007年06期

3 任志凤;胡小建;孙太生;徐飞;李云良;;遗传算法在焊接领域的优化与应用[J];现代焊接;2012年03期

4 冯双林;靳继红;;现代农机数字化装配车间调度技术研究——基于云计算和遗传算法[J];农机化研究;2018年01期

5 梁肖;周湘贞;;基于遗传算法的小麦收割机路径智能优化控制研究[J];农机化研究;2018年02期

6 王勇;孙耀南;;基于遗传算法的医院房间位置优化研究[J];电脑与信息技术;2018年01期

7 程天栋;闵永智;马宏锋;;基于模糊超熵与遗传算法的轨面缺陷分割算法[J];兰州交通大学学报;2016年06期

8 陈龙;;基于遗传算法求解生产调度问题的探讨[J];现代制造技术与装备;2016年11期

9 邓伟;邝祝芳;余绍军;曾非凡;;基于遗传算法的三峡-葛洲坝船闸闸室编排算法[J];人民长江;2016年24期

10 王雷;李明;唐敦兵;蔡劲草;;基于改进遗传算法的机器人动态路径规划[J];南京航空航天大学学报;2016年06期

相关会议论文 前10条

1 谢宏;袁小芳;向启均;陈yN婧;王立宸;;机器人惯性参数的改进遗传算法辨识方法研究[A];第37届中国控制会议论文集（B）[C];2018年

2 彭军;徐本柱;刘晓平;;遗传算法的实现及其在生产调度中的应用[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

3 韩战钢;;遗传算法及在经济中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

4 赖梅;熊丽荣;;基于改进遗传算法的乘务交路优化问题研究[A];第二十一届中国控制会议论文集[C];2002年

5 肖龙光;丁晓东;;基于理性变异的遗传算法[A];第六届中国青年运筹与管理学者大会论文集[C];2004年

6 鞠训光;于洪珍;;求整体优化全部解的区间排除遗传算法[A];第十七届全国过路控制会议论文集[C];2006年

7 刘兴隆;;快速进化式遗传算法[A];“电力大系统灾变防治和经济运行重大课题”部分专题暨第九届全国电工数学学术年会论文集[C];2003年

8 谈斌;唐力铁;张己化;周海云;;遗传算法在漫反射系数计算中的应用研究[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

9 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

10 蔡亚星;李伟明;尚飞;任武;薛正辉;高本庆;;双种群遗传算法进行阵列天线综合[A];2005'全国微波毫米波会议论文集（第三册）[C];2006年

相关重要报纸文章 前9条

1 上海科学院规划研究处 刘小玲;上海能否成为人工智能城市[N];解放日报;2017年

2 记者 常丽君;科学家首次将遗传算法用于量子模拟[N];科技日报;2016年

3 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

4 记者 李星婷;2014中国生命电子学术年会在渝召开[N];重庆日报;2014年

5 记者 刘霞;美用遗传算法逆向设计新型纳米材料[N];科技日报;2013年

6 高雪娟;协同设计的平台策略[N];中国计算机报;2006年

7 陈巍;浩辰有望在协同设计关键领域取得突破 引领CAD应用新潮流[N];大众科技报;2006年

8 本报记者 李元丽;坚持自主创新 掀起AI+教育的中国浪潮[N];人民政协报;2018年

9 高峰;美国真能毁掉中国？[N];世界报;2012年

相关博士学位论文 前10条

1 孙秋红;基于遗传算法的水质数据挖掘与应用研究[D];燕山大学;2016年

2 金小敏;移动云环境中的计算迁移系统关键技术研究[D];北京邮电大学;2018年

3 王小港;遗传算法在VLSI设计自动化中的应用研究[D];中国科学院上海冶金研究所;2001年

4 宋晓峰;优生演进优化和统计学习建模[D];浙江大学;2003年

5 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年

6 卜雷;城市货物运输规划优化方法研究[D];西南交通大学;2004年

7 廖平;基于遗传算法的形状误差计算研究[D];中南大学;2002年

8 李智勇;模式交流多群体遗传算法及其在神经网络进化建模中的应用[D];湖南大学;2003年

9 陈星;网络并行和遗传算法在HPM生物效应评价和辐射天线设计中的应用研究[D];四川大学;2004年

10 金菊良;遗传算法及其在水问题中的应用[D];河海大学;1998年

相关硕士学位论文 前10条

1 张航;结构抗震优化控制技术研究[D];西安建筑科技大学;2018年

2 龚贵伟;基于云计算的物流车辆路径规划平台设计与实现[D];中国科学院大学(中国科学院深圳先进技术研究院);2018年

3 宝鑫宇;基于手持WiFi设备的电机控制系统的设计与实现[D];东北大学;2015年

4 郦少将;基于改进遗传算法的HBV水文模型参数优化[D];华北水利水电大学;2018年

5 李莹;基于时间依赖的受欢迎路线推荐方法研究[D];东北大学;2015年

6 马扬;基于群集智能算法的集输管网优化[D];长江大学;2018年

7 刘亚琳;风电场可接入容量优化问题的研究[D];华北水利水电大学;2018年

8 任旭阳;改进遗传算法在电力系统无功优化中应用研究[D];华北水利水电大学;2018年

9 陈梦;基于遗传算法的高校运动会系统的应用与研究[D];长江大学;2018年

10 田锡军;遗传算法的开发及其在分壁式精馏分离工艺优化中的应用[D];重庆大学;2017年

本文编号：2806923