×
卢强；周，朔；陶、范；罗，杰克；王志光

增强基于空间分割和跳跃的符号回归基因表达式编程。 （英语） 兹比尔1479.92005

信息科学。 547, 553-567 (2021).
摘要：在求解符号回归问题时，基因表达式编程（GEP）算法可能会陷入早熟收敛，过早终止优化过程，并且可能只会达到较差的局部最优。为了解决GEP的早熟收敛问题，我们提出了一种新的算法SPJ-GEP，该算法可以保持GEP种群的多样性，并通过允许种群在分割的子空间之间有效跳跃来提高GEP搜索的准确性。SPJ-GEP首先将数学表达式的空间划分为相互排斥的子空间。然后，它创建了一种子空间选择方法，该方法结合了多武装盗贼和贪婪策略来选择一个跳转子空间。用这种方法分析了种群多样性和子空间数目的范围。分析结果表明，与经典GEP方法相比，SPJ-GEP方法并没有显著增加时间和空间的计算复杂度。此外，还对一组标准SR基准进行了评估。评估结果表明，与三种基线GEP方法相比，所提出的SPJ-GEP保持了更高的种群多样性，并具有更高的准确性。

MSC公司：

92天10分 遗传学和表观遗传学
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）

关键词：

符号回归；基因表达程序设计；遗传程序设计；多武器强盗；进化计算；计算复杂度

软件：

JCell公司
PDF格式BibTeX公司 XML格式引用
\textit{Q.Lu}等人，《信息科学》。547553-567（2021年；Zbl 1479.92005年）
全文： 内政部

参考文献：

[1] 约翰·R·科扎（John R.Koza），《通过自然选择为计算机编程的一种方法——遗传编程》，《统计计算》。，4, 2, 87-112 (1994)
[2] McKay，R.I。；新泽西州霍伊。；Whigham，P.A。；Shan，Y。；O'Neill，M.，《基于语法的遗传编程：一项调查》，《遗传学》。程序Evolvable Mach。，11, 3, 365-396 (2010)
[3] 卢奇。；Ren，J。；Wang，Z.，利用遗传规划和先验公式知识解决符号回归问题，计算。智力。神经科学。，1，1-19（2016）
[4] A.Moraglio，K.Krawiec，C.G.Johnson，《几何语义遗传编程》，摘自：《自然中的并行问题解决——PPSN XII》，第7491卷，施普林格出版社，柏林-海德堡，柏林，海德堡出版社，2012年，第21-31页。
[5] 陈，Q。；薛，B。；Zhang，M.，用角驱动几何语义操作符改进符号回归的遗传编程泛化，IEEE Trans。进化。计算。，23, 3, 488-502 (2019)
[6] 施密特，M。；Lipson，H.，作为问题复杂性函数的树和图编码的比较，（第九届遗传和进化计算年会论文集，GECCO’07（2007），计算机械协会：英国伦敦计算机械协会），1674-1679
[7] 施密特，M。；Lipson，H.，从实验数据中提取自由形式的自然定律，科学，3245923，81-85（2009）
[8] 米勒，J.F。；Harding，S.L.，Cartesian Genetic Programming，（第十届遗传和进化计算年会指南会议记录，GECCO’08（2008），ACM:美国纽约州纽约市ACM），2701-2726
[9] Miller，J.F.，《笛卡尔遗传编程：现状与未来》，《遗传学》。程序Evolvable Mach。，1-40 (2019)
[10] Ferreira，C.，《基因表达式编程：解决问题的新自适应算法》，《复杂系统》。，13, 2, 87-129 (2001) ·Zbl 1167.92329号
[11] Ferreira，C.，基因表达编程中的自动定义函数，（遗传系统编程（2006），施普林格），21-56·Zbl 1131.68499号
[12] 钟，J。；Ong，Y.S。；蔡伟，自我学习基因表达编程，IEEE Trans。进化。计算。，20, 1, 65-80 (2016)
[13] Brameier，M.F。；Banzhaf，W.，线性遗传规划（2007），Springer Science&Business Media·Zbl 1125.68035号
[14] Leung，Yee；高勇；徐宗本。，种群多样性程度：遗传算法及其马尔可夫链分析中早熟收敛的观点，IEEE Trans。神经网络，8，5，1165-1176（1997）
[15] M.C.repinšek，S.-H.Liu，M.Mernik，《进化算法的探索与开发：综述》，ACM计算。Surv公司。45 (3) (2013) 35:1-35:33. doi:10.1145/2480741.2480752·Zbl 1293.68251号
[16] 伯克，E。；古斯塔夫森，S。；Kendall，G.，《遗传编程中的多样性：测量和适应力相关性分析》，IEEE Trans。进化。计算。，8, 1, 47-62 (2004)
[17] D.Sudholt，《进化算法中种群多样性的益处：严格运行时分析综述》。http://arxiv.org/abs/1801.10087。
[18] 卡拉福蒂亚斯，G。；Hoogendoorn，M。；进化算法中的参数控制：趋势和挑战，IEEE Trans。进化。计算。，19, 2, 167-187 (2015)
[19] 史密斯，R.E。；Smuda，E.，《人口自适应调整：算法、分析和初步结果》，《复杂系统》，9，1，47-72（1995）
[20] G.R.Harik，F.G.Lobo，《无参数遗传算法》，载于：《第一届遗传与进化计算年会论文集》第1卷，GECCO'99，Morgan Kaufmann出版社，美国加利福尼亚州旧金山，1999年，第258-265页。
[21] Eshelman，L.J。；Schaffer，D.J.，（Belew，R.K.；Booker，L.B.，《通过防止乱伦防止遗传算法过早收敛第四届国际遗传算法会议论文集》（1991），Morgan Kaufmann:Morgan Koufmann San Francisco，CA），115-122
[22] Wang，Y。；蔡，Z。；张强，通过正交交叉提高差分进化的搜索能力，信息科学。，185, 1, 153-177 (2012)
[23] Sibylle D.Mfiller，Nicol N.Schraudolph，Petros D.Koumoutsakos，使用强化学习的进化策略中的步长适应，收录于：进化计算大会，第1卷，IEEE，2002年，第151-156页。doi:10.1109/CEC.2002.1006225。
[24] Badran，K.M.S。；Rockett，P.I.，《多样性保护和突变在多目标遗传规划中防止种群崩溃的作用》，（第九届遗传和进化计算年会论文集，GECCO’07（2007），ACM:ACM纽约，纽约，美国），1551-1558
[25] S.Y.Yuen，C.K.Chow，《非重访遗传算法》，载于：IEEE进化计算大会，2007年，第4583-4590页。doi:10.1109/CEC.2007.4425072。
[26] Yuen，S.Y。；Chow，C.K.，《一种自适应变异且永不重访的遗传算法》，IEEE Trans。进化。计算。，13, 2, 454-472 (2009)
[27] Chow，C.K。；Yuen，S.Y.，一种基于整个先前搜索历史进行决策的进化算法，IEEE Trans。进化。计算。，15, 6, 741-769 (2011)
[28] 龚义杰（Gong，Y.-J.）。；陈，W.N。；詹，Z.-H。；张杰。；李毅。；张，Q。；Li，J.-J.，《分布式进化算法及其模型：最新技术的调查》，《应用。软计算。，34, 286-300 (2015)
[29] Whitley，D。；拉纳，S。；Heckendorn，R.B.，《岛模型遗传算法和线性可分问题》，（Corne，D.；Shapiro，J.L.，《进化计算》，计算机科学讲义（1997），施普林格：施普林格-柏林-海德堡），109-125
[30] E.阿尔巴。；Dorronsoro，B.，细胞遗传算法，运筹学/计算机科学接口系列（2008），Springer:Springer US·Zbl 1211.90006号
[31] 彼得·奥尔（Peter Auer）；尼科尔·塞萨·比安奇；Paul Fischer，《多武器匪徒问题的有限时间分析》，马赫。学习。，第47235-256页（2002年）·Zbl 1012.68093号
[32] 萨顿，R。；Barto，A.，《强化学习：导论2》（2018），麻省理工学院出版社·Zbl 1407.68009号
[33] 钟，J。；Ong，Y.S。；蔡伟，自我学习基因表达编程，IEEE Trans。进化。计算。，20, 1, 65-80 (2016)
[34] 迈克尔·N·卡特哈基斯。；维诺特，阿瑟·F·，《多武器强盗问题：分解与计算》，《数学》。运营研究，12，2，262-268（1987）·Zbl 0618.90097号
[35] 徐志雄，陈喜良，曹磊，李晨曦，基于国家的探索与强化学习奖金研究，云计算与大数据分析国际会议（2017）425-429doi:10.1109/ICCBDA.2017.7951951。
[36] 塞萨·比安奇，N。；Gentile，C。；卢戈西，G。；Neu，G.，Boltzmann exploration done right，（Guyon，I.；Luxburg，U.V.；Bengio，S.；Wallach，H.；Fergus，R.；Vishwanathan，S.，Garnett，R.，《神经信息处理系统进展》30（2017），Curran Associates Inc），6284-6293
[37] X.Li，W.Zhou，Chiand Xiao，P.C.Nelson，前缀基因表达编程，遗传与进化计算大会（2005）55-31。
[38] Jonathan Mwaura，Ed Keedwell，使用简单反馈启发式的自适应基因表达编程（2009）6。
[39] M.W.大卫。zipf定律的权力、应用和解释，摘自：语言处理和计算自然语言学习新方法联合会议记录，1998年，第151-160页。
[40] 詹姆斯·麦克德莫特；David R.White，《遗传编程需要更好的基准》，ACM出版社，791（2012）
[41] Korns，Michael F.，《符号回归的准确性》（Genetic Programming Theory and Practice IX（2011），Springer:Springer New York），129-151
[42] Maarten Keijzer，用区间算术和线性标度改进符号回归，见：《遗传编程》，第2610卷，施普林格出版社，柏林-海德堡，2003年，第70-82页。doi:10.1007/3-540-36599-0-7·Zbl 1033.68630号
[43] 弗拉迪斯拉夫列娃，E。；斯密茨，G。；den Hertog，D.，非线性顺序作为通过pareto遗传编程通过符号回归生成的模型的复杂性度量，IEEE Trans。进化。计算。，13, 2, 333-349 (2009)
[44] Wilcoxon，Frank，《通过排名方法进行个人比较》，《生物计量学公报》，第1、2、80-83页（1994年），http://www.jstor.org/stable/3001968
[45] Herrera，F。；Lozano，M.，《逐步分布式实数编码遗传算法》，IEEE Trans。进化。计算。，4, 1, 43-63 (2000)
[46] D.Bernabé，T.Marco，G.Mario，A.Enrique，分散细胞进化算法，收录于：生物启发算法和应用手册，Chapman和Hall/CRC，2005年，第121-138页。
[47] Folino，G。；Pizzuti，C。；Spezzano，G.，使用基于聚类和剪枝的选择性算法训练分布式GP集成，用于模式分类，IEEE Trans。进化。计算。，12, 4, 458-468 (2008)
[48] 罗伊，G。；Lee，H。；韦尔奇，J.L。；Zhao，Y。；潘迪，V。；Thurston，D.，遗传算法的分布式池架构，（2009 IEEE进化计算大会（2009）），1177-1184
[49] 南筑井。；藤本，Y。；Ghosh，A.，《分叉遗传算法：具有搜索空间划分方案的气体》，Evol。计算。，5, 1, 61-80 (1997)
[50] 黄，W。；哦，S.-K。；郭，Z。；Pedrycz，W.，具有加速收敛策略的空间搜索优化算法，应用。软计算。，13, 12, 4659-4675 (2013)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。