论文部分内容阅读
遗传程序设计(GP)因其出众的解决复杂问题的能力成为演化计算中的重要分支,为多国学者青睐,并被应用于如人工智能、金融测算等多个领域。然而,GP及其分支在演化过程中出现的语义重复现象严重影响效率与性能。比如：多表达式程序设计(MEP)中,每个染色体中的任何基因都有可能多次被当前或其它后续种群中的其他基因运用,造成了重复计算,耗费大量时空资源；同样,基因表达式程序设计(GEP)中,每个染色体中的任何有效基因段都可能多次被当前或其它后续种群中的其他有效基因段运用,严重影响了演化效率和性能。为提升MEP与GEP的演化效率与性能,本文主要对MEP和GEP的语义去重问题进行了研究,并做出了一些改进工作,具体如下：1)从理论上证明了MEP在演化过程中存在基因被重复运用,语义动作被重复执行的现象,并提出了针对MEP的新算法NMEP。在没有改变MEP染色体表示规则及种群演化方式的情况下,算法NMEP能够识别演化过程中被重复运用的基因,避免了重复建树与语义动作重复执行,节省了时空间资源,提高了MEP的性能。2)将深度优先解码方式应用于GEP,并分析了基于深度优先解码方式的GEP与基于广度优先解码方式的标准GEP之间的性能。3)从理论上证明了GEP在演化过程中语义动作被重复执行现象的存在性。针对基于深度优先解码方式的GEP提出新算法NGEP。同样,算法NGEP也没有改变基于深度优先解码方式的GEP的染色体表示规则及种群演化方式,并能够识别演化过程中被重复运用的有效基因段。4)通过实验比较融入算法NMEP的MEP和标准MEP,两种算法在三个实验中采用了相同的挖掘函数及实验标准,实验结果证明算法NMEP具有可行性,且融入算法NMEP的MEP相较于标准MEP具有时间优势。5)通过实验比较融入算法NGEP的GEP、基于深度优先解码方式的GEP和标准GEP,三种算法在四个实验中采用了相同的挖掘函数和实验标准,实验结果表明：融入算法NGEP的GEP在性能上优于另两种算法。