模糊自适应多细胞GEP算法及其应用研究

发布时间：2021-02-25 02:11

　　基因表达式编程算法是一种由遗传算法和遗传编程结合而衍生的新兴进化算法。该算法编码和解码非常灵活简单,表达能力强且易于进行遗传操作,解决复杂问题效率高,在各领域得到普遍认可。相比传统的数学统计方法,GEP只需要选择适当的适应度函数来评估染色体,不需要具备深厚的数学基础,甚至不需要详细理解搜索空间知识、数据形态或其他辅助信息,就能准确刻画数据之间复杂的关系,这也是其应用广泛的重要原因之一。相较于当下流行的神经网络方法,GEP不需要准备大量的实验数据作为训练数据,且较少出现过拟合的现象。在实际的应用中,GEP的最终解能转换成一个具体的计算公式,更有益于应用领域的具体实施和落实。但GEP作为一种进化算法,算法陷入局部最优是一个很难避免的问题,对此很多研究者也给出了解决方案。造成这一现象很大的原因来自于迭代过程中算法逐渐收敛的同时,也伴随着种群多样性的流失。而遗传操作概率是影响算法收敛和扩散寻优的关键影响因素。模糊控制是一种由模糊数学发展而来的智能控制技术,能为被控对象提供较合理的、非线性的动态调整方案。为了增强GEP跳出局部最优的能力,本文将多细胞GEP和模糊控制方法结合,提出一种模糊自适应多... 

【文章来源】：南宁师范大学广西壮族自治区

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

染色体编码示意图

图 2-2 表达式树的遗传算子绍遗传操作中两种常见的并且对最优解影响最明显的两个程中，交叉率（记为CP ）和变异率（记为MP ）控制着染所以这两个概率值是影响下一代种群最优解质量的关键参率作用于两个父代染色体，假定随机选择的交叉点为1o 、1 、2X 如式（2-2、2-3）所示，其中ijf 表示第i个染色体基色体的总长度。11211 1LX ff f22222 1LX ff f过程可表示为式（2-4），其中CT 表示交叉算子，3X 、4X 如,(,)3412XXTXXC（ ）

种利用模糊数学基本思想和理论的控制方法。模糊控步骤如下：程的主要任务是将模糊控制器的实际输入转化为对应这种方法通过隶属函数（形如式 2-11）分别计算对象。最后，将属度值不为零的部分作为模糊化的结果。家知识和具体的实验效果设定。常用的隶属度函数有体形式如图 2-4）等。中的每个元素ix 都规定属于闭区间 [ 0,1]的一个实数 ： x XxxAA, ()的隶属函数， ()Ai x为元素ix 的隶属度。

【参考文献】：
期刊论文
[1]基于模糊控制的ASIFT图像特征优化算法[J]. 蔡国榕,李绍滋,陈水利,吴云东,苏松志.  模糊系统与数学. 2012(05)
[2]基于混合差异度控制的基因表达式编程[J]. 宣士斌,刘怡光.  模式识别与人工智能. 2012(02)
[3]基于GEP的分形图像压缩并行算法[J]. 李文敬,钟智,元昌安.  计算机工程. 2012(07)
[4]基于启发式和基因表达式编程法预测磺胺类药物的pKa值[J]. 李玉琴,司宏宗,肖玉良,刘彩红,夏成才,李珂,齐永秀.  药学学报. 2009(05)

博士论文
[1]基于GEP函数发现的智能模型库关键技术研究[D]. 元昌安.四川大学 2006

硕士论文
[1]基于小波神经网络的多源雨量融合及流量预报研究[D]. 李楠楠.浙江大学 2017



本文编号：3050274