一种基于GEP的分类规则挖掘算法

基于一种新的自动程序设计方法基因表达式程序设计（GEP），通过设计适应函数、初始化群体的优化、增加新的遗传算子以及采用演化策略中的（λ+μ）淘汰策略等对原始GEP算法进行有效的改进，设计出一种新的数据挖掘算法。采用UCI机器学习知识库中的数据集对该算法进行了实验，并通过与C4.5及文献[3]的比较，检验了该算法的准确性。     

一种改进的求解TSP问题的演化算法

演化算法是解决组合优化问题的高效搜索算法．该文在现有求解TSP问题的演化算法的基础上，通过引入映射算子、优化算子以及增加一些控制策略，提出了一种高效的演化搜索算法．实验表明，该算法是有效的，通过对CHN144以及国际通用的TSPLIB中不同城市规模的数据进行测试表明，其中实例CHN144得到的最短路径为30353．860997，优于吴斌等运用分段算法得到的最短路径30354．3，亦优于朱文兴等人的结果，实例st70和kroB150得到的最短路径分别与运用分段算法得到的最短路径值相同，实例pr136得到的最短路径值为96770．924122，优于TSPLIB中提供的最短路径96772，对于其它实例也均能快速地得到和TSPLIB中提供的最优路径相同或更优的路径，该算法不仅很容易收敛到问题的最优解，而且求解速度极快．