基因表達式編程的早熟抑制策略研究.pdf

1、數(shù)據(jù)挖掘已經(jīng)成為當前數(shù)據(jù)庫研究開發(fā)和應用的熱點，函數(shù)挖掘是數(shù)據(jù)挖掘技術的重要研究方向。進化計算常常被用于自動的函數(shù)關系發(fā)現(xiàn)，基因表達式編程(GEP)具有編碼簡單，適應性強的優(yōu)點，同時繼承了遺傳算法的簡單性和遺傳編程求解復雜問題的能力，但傳統(tǒng)GEP有可能陷入局部最優(yōu)的未成熟收斂的“早熟”陷阱。為解決這一問題，本文做了如下主要工作： 1)分析了GEP早熟現(xiàn)象，用實驗驗證了早熟現(xiàn)象對函數(shù)挖掘的影響； 2)借鑒生物界的“返祖現(xiàn)象

2、”，引入回溯機制，提出基于回溯策略的GEP算法(GEP with backtracking strategy，GEPBS)；提出回溯檢查點概念，設計了等比遞增檢查點序列和加速遞增檢查點序列用于約束回溯過程； 3)擴充基于回溯的GEP算法和四個抑制策略(a)退化因子(RF)策略，(b)比例回溯策略(GEP with proportional backtracking strategy，GEPPBS)；(C)自適應的回溯策略(GEP

3、 with self-adaptive backtracking strategy,GEPSBS(d)疏剪策略．借鑒植物人工培育的“疏剪方法”，在傳統(tǒng)GEP算法的進化過程中引入疏剪策略(GEP with pruning strategy,GEPPS)幫助種群進化活動； 4)分析進化過程中種群構成特點，提出種群多樣性度量標準(Diversity MeaSure Criterion)，并結合前幾種早熟抑制策略提出基因表達式編程的種

4、群多樣性保持策略(GEP diversity retain strategy，GEPDRS)； 5)通過若干實驗驗證了以上算法能有效地改善傳統(tǒng)算法在進化過程中的早熟現(xiàn)象，提高GEP自動函數(shù)發(fā)現(xiàn)的成功率。 本文的組織如下：第一節(jié)介紹了數(shù)據(jù)挖掘的理論基礎與應用范圍，并介紹了函數(shù)發(fā)現(xiàn)的目標、一般步驟和挑戰(zhàn)；第二節(jié)介紹了本文研究的進化計算背景，分析了遺傳算法、遺傳編程等典型模型的特點和應用范圍；第三節(jié)介紹了基因表達式編程的基本思