摘要
标准基因表达式编程算法(GEP)在挖掘知识时采用恒定的变异和交叉率,没有考虑进化中个体适应度的变化,依然存在难以摆脱局部最优和收敛速度问题。为了解决这一问题,提出了将X条件云模型应用到基因表达式编程的算法(XCC-GEP)。该算法在进化前期采用固定变异率和交叉率;一旦处于收敛状态时,根据个体的当前适应度,借助X条件云,动态调整其变异率和交叉率,以跳出早熟收敛。实验表明了算法的有效性。
Standard gene expression programming（ GEP） uses fixed rate of mutation and crossover while mining knowledge,ignoring the variation of individual fitness,hence it works in local optimum style with low convergence speed. Aiming to solve this problem,this paper proposed gene expression programming based on X condition cloud（ XCC-GEP）. The algorithm used fixed mutation and crossover probabilities in early evolution. It dynamically determined mutation and crossover probabilities by X condition cloud with the current fitness of the individuals when standard GEP converging to jump out of premature convergence. Extensive experiments illustrate the validity of the proposed method.
出处
《计算机应用研究》
CSCD
北大核心
2015年第4期1107-1109,1148,共4页
Application Research of Computers
基金
国家自然科学基金面上项目(61379019)
四川省学术和技术带头人培养资金重点资助项目
西南民族大学中央高校基本科研业务费专项资金资助项目(2014NZYQN27)
关键词
条件云
基因表达式编程
云模型
自适应
condition cloud
gene expression programming（GEP）
cloud model
adaptive
作者简介
姜玥（1978-），女，四川广安人，副教授，博士，主要研究方向为数据库与知识工程、自然计算；
崔梦天（1972-），女，内蒙古乌兰浩特人，教授，博士（后），主要研究方向为软件过程改进技术、可信软件开发技术；
吴江（1980-），男，浙江衢州人，副教授，博士，主要研究方向为数据库与知识工程、自然计算；
谈文蓉（1968-），女（通信作者），四川广安人，教授，硕士，主要研究方向为系统结构、自然计算（tan1781@sina．com）．
