含有等式约束优化问题的遗传算法

在遗传算法中最难处理的是有等式约束的优化问题,而等式约束在一般问题中常常遇到.许多算法采用引入惩罚函数降低适应度方法使其满足等式约束条件,但太难收敛或解根本不满足约束条件,因此它是遗传算法的一个瓶颈.根据遗传算法的性质及等式约束的特点,提出了另一种算法来解决这个瓶颈,并从理论上证明了算法的可行性.通过数值实验表明该算法是有效的.     

基因表达式编程的LFC方法及其应用

介绍了基因表达式编程的基本原理,提出了具有线性复杂度的个体适应度评估方法(LFC),并且在遗传操作中采用自适应代沟替代策略,解决了标准GEP算法在求解复杂问题时时空效率低的问题。仿真表明,与标准GEP算法相比,该算法在不损失解的质量的情况下,求解效率得到明显改善。     

基因表达式编程的2种解码方法

在基因表达式编程的基础上提出2种新的解码方法,分析了它们的时间和空间复杂度。第1种方法完全遵照原始基因表达式编程中基因型与表现型之间的映射关系,直接在基因型上计算和求解表达式。第2种方法在基因结构保持不变的前提下,利用栈来计算和获取表达式,使得基因型与表现型之间的映射关系已不同于前者。这2种方法对重组算子有着不同程度的影响。在3组数据上的实验结果表明,2种新的解码方法可行而且高效,第2种解码方法更有利于优良子树模式的保护。     

基于参数方程处理等式约束优化的粒子群算法

针对目前已有的粒子群优化算法求解有等式约束优化问题时对收敛速度和解的精度的影响,提出了一种新的基于参数方程的粒子群优化算法.它是粒子群在初始化和选代进化过程中使用求解参数方程的方法处理等式约束设计出的粒子群优化算法.数值实验结果表明,新算法是有效的.它不仅提高了收敛速度和解的精度,而且是一种通用的智能算法.     

基于中性突变的朴素基因表达式编程

分子进化中性学说认为生物的进化主要是由中性突变决定的.基因表达式编程(GEP)是一种将基因型和表现型分离的新的进化模型,其突出表现在基因组存在不被表达的中性区.基于朴素基因表达式编程(NGEP)模型研究了NGEP中性区在进化中的作用.主要工作包括:1)进一步完善了基于完全树编码方案的NGEP模型的概念;2)分析了传统GEP和NGEP的基因中性区域特点,指出NGEP存在更自由灵活的中性区域;3)通过控制基因长度和基因数量,调控中性区的大小和数量,研究了NGEP和传统GEP的中性区域在进化中的特殊作用,验证了NGEP的有效性;4)实验表明,在存在相同适度的中性区域条件下,NGEP比传统GEP进化更有效,且NGEP的成功率随中性区域的增加不会发生剧烈变化.     

基因表达式编程初始种群的多样化策略

基因表达式编程(Gene Expression Programming,GEP)算法是遗传家族的新成员,被广泛用于知识发现,其初始种群的质量对进化效率和进化结果至关重要.为了产生优势初始种群,提出了基因空间均匀分布策略(Gene Space Balance Strategy,GSBS),证明了描述编码空间量化性质的GEP编码空间定理.实验表明,GSBS提高进化效率超过20%.GSBS算法的思想还可以应用于其它进化计算中.     

带非线性等式约束无迹卡尔曼滤波方法

针对带非线性等式约束的非线性系统的状态估计问题,给出了一种新形式的基于无迹卡尔曼滤波及伪观测手段的处理约束的状态估计方法（SPUKF）。在该方法中原动态系统被虚拟地分离成两个并行的子系统,各时刻的状态估计由基于这两个子系统构建的两套滤波链交替得到。相对于伪观测法中的序贯形式估计器,SPUKF无需事先确定观测及约束的处理次序且能获得更好的估计结果,故可以用来解决序贯方法中观测与约束的处理次序问题。由钟摆运动的实例仿真结果看到,SPUKF不仅有好于序贯形式无迹卡尔曼滤波的估计效果,误差改善比达到22%左右,而且算法运行时间与序贯形式估计器相近。此外,其估计效果还与批处理无迹卡尔曼滤波相当。     

基因表达式编程的理论研究综述*

对新兴的基因表达式编程算法在国内外的理论研究现状进行了系统的研究,剖析了GEP的基本原理和特点,并对国内外关于GEP理论和算法的研究现状进行系统的讨论,最后根据笔者的见解探讨了未来研究的重点方向。     

基因表达式编程的自适应阈值去噪方法研究

提出将基因表达式编程应用于图像自适应阈值去噪,根据多尺度分辨率特性和基因表达式编程的全局搜索能力,构建搜索最小均方差的自适应阈值优化模型。实验结果表明,基于基因表达式编程的自适应阈值参数优化策略在图像去噪方面是可行的,并达到了较高的峰值信噪比。     

基因表达式编程算法的改进及其应用研究

基因表达式编程（GEP）算法采用简单编码方式解决了复杂的公式发现问题。本文分析了基本的GEP算法中关键参数、常数集、符号集等设置对公式发现的影响和规律,提出了GEP算法的改进方法,并将其应用在隧道工程领域,得到了双圆盾构施工横向和纵向的地面沉降预测公式,与实测值的比较表明所发现的公式有很好的吻合度。     

基因表达式编程算法研究

基因表达式编程算法GEP作为一种较新的遗传算法,虽然在领域内还有很多尚未最终解决的问题,但其在公式挖掘,符号回归等方面所表现出来的优良特性,已越来越受到学界关注。在对于遵循一定变化规律的问题的公式发现方面,体现出较以往遗传算法更高的效率,并在诸多领域有很好的应用前景。     

基因表达式编程GEP算法及其应用研究

基因表达式编程算法GEP,作为一种很好的遗传算法,因其在公式挖掘、函数发现等方面问题求解时所表现出的优良特性,已受到学界和业界的广泛关注。尤其在对诸多涉及工程中最优解问题的求解上,表现出良好的收敛性,使之在很多不同的应用领域,具有很好的应用前景。     

Constraint Solving and Programming: What Next?

In this paper we advocate for more flexible and user-friendly constraint solving environments, as well as for constraint programming languages which have great expressive power while maintaining a formal semantics based on few crucial concepts. We cite some of our work in these directions and we hint at subjects of our future research.     

SC-PROLOG解释系统中的约束逻辑程序设计方法

约束逻辑程序设计（ＣＬＰ）方法是提高ＰＲＯＬＯＧ语言效率的一种崭新方法，本文针对ＳＣ┐ＰＲＯＬＯＧ解释系统的实现介绍其相应设计思想，从域变量含义入手，提出了域及约束的存储方法以及约束机制的实现算法，是对逻辑设计方法研究的一点体会     

基于GEP的乳腺癌诊断问题

针对具体的乳腺癌诊断分类问题,提出一种基于GEP的乳腺癌诊断问题的方法。该方法随机产生初始群体,对染色体进行表达式树解释,有明确的适应度函数。针对乳腺癌的特点设计了有效的终点属性,达到诊断的要求。仿真结果表明,该算法效果较好,具有较高的精度,是有效可行的。     

Efficient Interval Linear Equality Solving in Constraint Logic Programming

Existing interval constraint logic programming languages, such as BNR Prolog, work under the framework of interval narrowing and are deficient in solving systems of linear constraints over real numbers, which constitute an important class of problems in engineering and other applications. In this paper, we suggest to separate linear equality constraint solving from inequality and non-linear constraint solving. The implementation of an efficient interval linear constraint solver, which is based on the preconditioned interval Gauss-Seidel method, is proposed. We show how the solver can be adapted to incremental execution and incorporated into a constraint logic programming language already equipped with a non-linear solver based on interval narrowing. The two solvers share common interval variables, interact and cooperate in a round-robin fashion during computation, resulting in an efficient interval constraint arithmetic language CIAL. The CIAL prototypes, based on CLP(R), are constructed and compared favorably against several major interval constraint logic programming languages.     

两种基于等式约束支持向量回归机比较研究

为了减小支持向量回归机(SVR)的计算复杂度、缩短训练时间,将应用于分类问题的近似支持向量机(PSVM)扩展到回归问题中,针对其原始优化问题采用直接法求取最优解,而不是转换为对偶问题求解,给出了近似支持向量回归机(PSVR)线性和非线性回归算法.并与同样基于等式约束的最小二乘支持向量回归机(LSSVR)进行了比较,在一维、二维函数回归以及不同规模通用数据集上的测试结果表明,PSVR算法简单,训练速度快,尤其在大规模数据集处理上更具优势.     

基于GEP优化的RBF神经网络算法

RBF神经网络作为一种采用局部调节来执行函数映射的人工神经网络,在逼近能力、分类能力和学习速度等方面都有良好的表现,但由于RBF网络的隐节点的个数和隐节点的中心难以确定,从而影响了整个网络的精度,极大地制约了该网络的广泛应用.为此本文提出基于GEP优化的RBF神经网络算法,对其中心向量及连接权值进行优化.实验表明,本文所提算法比RBF算法的预测误差平均减少了48.96% .     

基于基因表达式编程的话务量预测方法

解决了在未知难以证明的先验知识时,传统时间序列分析方法无法得出精确的预测结果这一问题.将基因表达式编程(GEP)技术引入电信分析领域,提出了一种基于基因表达式编程的话务量预测模型GEP-Telecom.技术对某电信公司的话务量纪录进行的相关试验达到了预期的效果,给出了精确的预测.研究表明,GEP-Telecom模型在未知函数类型先验知识的情况下,能够自动进行属性筛选和属性融合,避免了传统预测方式的盲目性,提高了预测的精度.     

基于EDA的并行基因表达式程序设计方法

将分布评估算法(EDA)引入基因表达式程序设计方法中,以提高其收敛速度。为减少计算时间,提高解质量,在加入EDA的基因表达式程序设计方法的基础上设计了同步和异步分布式并行算法,同时比较了同步和异步并行算法。实验结果表明,并行算法提高了运行速度和解质量。最后通过实验分析了迁移代频对并行算法的影响。