改进的基因表达式编程算法在演化建模中的应用

为了克服传统基因表达式编程易早熟收敛、种群多样性难以保持、演化效率不高、拟合度不高等缺陷,给出了基于表现型的种群多样性测度,并提出了基于排挤小生境的改进基因表达式编程算法. 该算法将小生境半径内的早熟个体通过罚函数排挤出去,使其它优良个体得以更大概率进化,并使各个个体之间保持一定的距离. 分别对一元函数和多元复杂函数进行演化建模实验. 结果表明,改进的算法能在演化过程中能保持丰富的群体多样性,能够有效避免过早收敛,具有更高的成功率、更高的收敛速度和拟合精度.     

改进的GEP算法在演化建模中的应用

提出了新的计算个体适应度的算法.此算法不需要构造表达式树,在计算基因有效长度的同时,直接对染色体进行操作得到该染色体的适应度值.实验证明,采用这种方法不仅简单有效,而且能提高运算的速度.     

基于多样化进化策略的基因表达式编程算法

针对传统GEP（Gene Expression Programming）算法的未成熟收敛以及陷入局部最优问题,提出一种基于多样化进化策略的基因表达式编程算法（DS-GEP：Gene Expression Programming based on diversified develop-ment strategy）。该算法通过基因空间均匀分布策略,自适应地交叉和变异算子以及淘汰算子等方法,对种群给予不同的进化策略,以保持种群的多样性,从而增强算法的寻优能力。通过对函数挖掘的实验证明,多样化进化策略各个部分均对改善挖掘效率发挥了作用,提高了DS-GEP函数挖掘算法的成功率。与传统GEP算法相比较,该算法的平均成功进化代数缩短了11%,成功进化时间缩短了8%,进化成功率提高了20%。     

NCRS-GEP编程算法及其在统计建模中的应用

为了克服传统基因表达式编程算法容易陷入局部最优的缺点,在传统基因表达式编程(GEP)算法的基础上设计了一种基于IS插串和RIS插串的非编码区域插串算子NCRS插串,再根据NCRS插串提出一种改进的基因表达式编程算法NCRS-GEP。该算法针对基因表达式编程的非编码区域能带来无限搜索空间的特点进行了算子设计的改进,通过增加种群分布的多样性,克服了传统GEP算法容易陷入局部最优的缺点,提高了算法的建模精度。数据实验表明,与传统GEP算法相比,NCRS-GEP能够更准确地收敛到建模问题的全局最优解,从而使建模误差更小。     

多样性制导分段进化的基因表达式编程

为了解决基于传统基因表达式编程（GEP）的函数挖掘及其改进算法仍然存在局部优化的缺陷这一问题,提出了以基因组多样性制导的分阶段进化挖掘算法DGGEP。给出了GEP 进化阶段和基因组多样性评估模式的定义;提出了描述进化阶段的进化因子概念和分阶段进化策略;采用动态遗传算子设计和群体规模控制方法,使进化更快速跳出局部最优。实验表明了新算法的有效性,能减少进化停滞代数65％以上,使群体的平均适应度提高12%以上。     

基于基因表达式编程的递归函数挖掘

传统基因表达式编程(GEP)无法发现递归函数。为此,分析了传统GEP算法在函数挖掘方面不足的深层次原因,提出了基于递归染色体的基因表达式编程算法GEP-RecurMiner和动态进化策略(DSCMS)。理论分析和实验证明了GEP-RecurMiner极大地扩充了传统GEP函数挖掘方法的求解空间,能精确地发现传统GEP无法发现的递归函数,同时实验表明动态进化策略有效地提高了GEP-RecurMiner函数挖掘算法的效率,挖掘成功率提高20%,平均进化代数下降10%。     

基于基因表达式编程的多目标优化算法

目前的多目标优化进化算法在高维的决策空间中收敛性能不佳,针对这个问题,提出了基于基因表达式编程的多目标优化算法GEPMO,主要工作包括：提出了新的个体编码方案,分离了值基因和位置基因;设计了新的算子;分析了GEPMO的编码空间;提出了GEPMO的框架。在标准测试函数上的实验结果表明了新算法的有效性,在高维决策空间中GEPMO能够覆盖SPEA算法的结果集87.5%,但SPEA覆盖GEPMO仅为5%。     

基于因子分析和基因表达式编程算法的变压器故障诊断

将因子分析和基因表达式编程结合起来,对变压器油色谱数据进行处理和智能训练,并建立变压器故障分类诊断模型;收集到332组油色谱数据,选取150组作为GEP分类器的训练样本,182组作为测试样本,并将测试结果与三比值法和朴素贝叶斯分类器进行比较。大量诊断实例表明,所提出的变压器故障诊断模型性能优于另外两种方法。     

基于多目标基因表达式编程的电路演化算法

为提高电路演化的效率和成功率,对电路设计中涉及的多个目标进行了定义与量化,并针对多目标优化问题,在基因表达式编程（GEP：Gene Expression Programming）的基础上,提出了基于多目标基因表达式编程的电路演化算法（MGEP：Multi-Objective Gene Expression Programming）。设计了演化电路中的GEP编码,定义和量化了电路演化的多个目标,利用非支配排序和适应度共享策略提高搜索方向的空间均匀性。通过数字电路演化实验证明,MGEP算法与GP算法相比进化时间减少了72．9％,同时得到的电路更简单实用,得到最优电路的比率分别比GP和传统的GEP提高了50．4％和38．9％。     

多表达式编程

多表达式编程MEP（Multi—Expression Programming）是遗传程序设计GP（Genetic Programming）领域近年来的又一新成果。介绍了MEP的基本原理及其特点，并将其应用到采煤工作面瓦斯涌出量的演化建模预测中。实验结果表明，MEP有更强的数据挖掘能力。     

基于多目标并行基因表达式编程的电路演化算法

为提高数字电路演化的效率和成功率,在并行基因表达式编程的基础上,对电路设计中涉及的多个目标进行了定义与量化,并针对这些目标提出基于多目标并行基因表达式编程的电路演化算法(MPGEP).主要工作包括:1)设计演化电路中的GEP编码;2)利用OpenMP设计基于通用多核处理器的并行基因表达式编程模型;3)定义和量化电路演化的多个目标,利用非支配排序和适应度共享策略来提高搜索方向的空间均匀性;4)通过数字电路演化实验证明,与传统的GP和GEP算法相比,MPGEP算法不仅进化时间减少了86.1%和31.4%,同时还能得到更简单和实用的电路,得到最优电路比率提高了50.4%和38.9%;与多目标串行电路演化算法MGEP相比,MPGEP算法的进化时间减少了48.7%;与并行电路演化算法PGEP-MC相比,MPGEP算法得到最优电路的比率提高了38.3%.     

进化规划在配电网络多目标重构中的应用

配电网络得构应在满足节点电压约束,支路过载约束前提下达到两个目标：通过重构尽可能保持变电所间和馈线间的负荷平衡以防故障的出现;通过重构尽可能减小网损。基于上述思想,从经济性和安全性出发,提出以网损最小和负荷平衡为目标的多目标配电网络重构方法。     

无线传感器网络中的进化规划重采样定位算法

为了对无线传感器网络中随机分布的节点进行更精确的定位,提出了一种基于进化规划重采样的定位算法.在初始阶段进行位置采样并求得初始位置估计后,利用小规模的进化规划进行位置的重采样优化,然后使用迭代求得位置估计.在进化过程中,可以使用标准进化规划和元进化规划两种方法来得到重采样位置.仿真结果表明:对比同类算法,该算法将平均定位误差降低了20%左右;相对于标准进化规划,采用元进化规划的重采样具有更强的自适应能力,对定位算法的精度提升更加显著.     

基于基因表达式编程的PM2．5浓度预测模型研究

鉴于PM2.5浓度影响因素的复杂性,以及传统预测方法中存在的困难和不足,文中运用基因表达式编程算法,利用北京市2013年3月至4月的PM2.5日平均浓度值以及同步日平均污染物和气象数据,建立了PM2.5浓度预测模型．通过与灰色理论预测模型、BP神经网络预测模型的对比实验分析,发现基于基因表达式编程的预测模型所得到的预测值与实际值之间的误差最小,更能准确地反映样本数据之间的映射关系,预测精度明显高于其他2种预测模型．     

基于思维进化算法的工业过程粗糙建模及应用

在工业过程建模中,传统的建模方法依赖数学模型.当实际系统模型难于用解析式精确表达时,智能建模成为研究热点之一.对具有非线性、时变性、不精确性等复杂系统,智能建模弥补了机理建模、辨识建模等方法的不足,能够避开数学表达式模型.模糊建模的隶属函数不容易得到,而粗糙集能直接从数据库中提取规则,不需要任何先验知识.但粗糙集不能处理连续属性,需要将属性离散化.对水泥回转窑控制系统进行建模,首先应用思维进化算法对决策表中的连续属性进行离散化,然后利用粗糙集理论化简决策表,提取最优的决策规则,最后分析决策规则,得出结论,说明该建模方法的可行性,且由此建模方法得到的决策规则覆盖度较高.     

基于事例学习的目标规划问题的建模方法研究

针对多目标决策的动态建模问题，将知识工程、机器学习理论应用于目标规划问题数学模型的建模过程，对事例的知识表示、最相似事例的确定、事例的类比转换以及事例库的维护等进行了比较细致的研究；提出基于事例学习的目标规划模型建模方法；针对一个具体的目标规划问题--稿件刊发计划问题设计了具体的应用系统。本项研究为目标规划问题开辟了基于事例学习的模型生成途径。     

基于混合演化的自适应建模及其应用

针对传统的遗传规划方法收敛效率低、模型精度不高等缺点,将进化策略应用于模型参数的全局最优搜索,在遗传规划建模的基础上使用进化策略修正模型参数,以实现对模型结构和参数的同时优化,通过2种演化算法的结合提高建模精度,同时采用最优保持策略加速优化过程,改善算法的收敛效率.将该方法应用于某型船用汽轮机组的仿真建模中,通过和传统演化建模的对比,证明采用混合演化策略的建模方法具有更快的求解速度和更好的全局搜索能力.     

改进思维进化算法在过热汽温系统中的应用

应用改进的思维进化算法优化PID参数。思维进化算法的子群体间彼此独立操作,因此会有重复操作,重叠的区域,因而造成资源浪费。将小生境技术引入到思维进化算法。它对群体进行划分,减少重复搜索,保持群体的多样性,提高搜索效率。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究,结果表明:改进的思维进化算法寻优速度快,计算量小,对PID参数优化是非常有效的,使得主汽温控制系统取得了较好的控制品质,系统的鲁棒性比较强。