基因表达式编程中的精英个体产生策略

华南理工大学学报（自然科学版） ›› 2009, Vol. 37 ›› Issue (1): 102-105.

基因表达式编程中的精英个体产生策略

胡建军彭宏

华南理工大学计算机科学与工程学院, 广东广州 510006

收稿日期:2008-02-22 修回日期:2008-05-12 出版日期:2009-01-25 发布日期:2009-01-25
通信作者: 胡建军（1970-），男，博士，广东商学院副教授，主要从事商务智能、智能信息处理、数据库与知识工程研究． E-mail:jianjun_hu@163．com
作者简介:胡建军（1970-），男，博士，广东商学院副教授，主要从事商务智能、智能信息处理、数据库与知识工程研究．
基金资助:
国家自然科学基金资助项目（60763012）;广东省自然科学基金资助项目（07006474）;广东省科技攻关项目（2007B010200044）;广东商学院博士启动项目（07BS52002）

Elitism-Producing Strategy in Gene Expression Programming

Hu Jian-jun Peng Hong

School of Computer Science and Engineering, South China University of Technology, Guangzhou 510006, Guangdong, China

Received:2008-02-22 Revised:2008-05-12 Online:2009-01-25 Published:2009-01-25
Contact: 胡建军（1970-），男，博士，广东商学院副教授，主要从事商务智能、智能信息处理、数据库与知识工程研究． E-mail:jianjun_hu@163．com
About author:胡建军（1970-），男，博士，广东商学院副教授，主要从事商务智能、智能信息处理、数据库与知识工程研究．
Supported by:
国家自然科学基金资助项目（60763012）;广东省自然科学基金资助项目（07006474）;广东省科技攻关项目（2007B010200044）;广东商学院博士启动项目（07BS52002）

摘要/Abstract

摘要： 为提高基因表达式编程（GEP）算法的进化效率，提出了一种用于产生GEP初始种群的精英个体产生策略．该策略通过逐步扩大染色体到目标值的距离，采用随机方式在较短时间内产生具有较高个体适应度的染色体，从而在初始种群中快速产生精英个体，使种群可以从一个较高的基础上开始进化，缩短了GEP算法的进化距离，从而提高了种群的进化效率．实验结果表明，在GEP算法挖掘函数的过程中，采用文中提出的策略，可以使GEP算法的进化效率提高17％

关键词: 遗传算法, 基因表达式编程, 进化效率, 精英, 函数挖掘, 初始种群

Abstract:

In order to improve the evolutionary efficiency of gene expression programming （GEP） algorithm, an elitism-producing strategy （EPS） is proposed to obtain the GEP initial population. By gradually increasing the distance between the chromosome and the aim, the chromosome with high fitness is randomly obtained in a short time. Thus, elitisms can be rapidly produced from the initial population and the evolution can be started at a higher level. As a result, the evolution distance of GEP algorithm shortens and the evolutionary efficiency increases. Experimental results show that the proposed strategy raises the evolutionary efficiency of GEP algorithm by 17% in the process of function mining.

Key words: genetic algorithm, gene expression programming, evolutionary efficiency, elitism, function mining, initial population

胡建军彭宏. 基因表达式编程中的精英个体产生策略[J]. 华南理工大学学报（自然科学版）, 2009, 37(1): 102-105.

Hu Jian-jun Peng Hong . Elitism-Producing Strategy in Gene Expression Programming[J]. Journal of South China University of Technology (Natural Science Edition), 2009, 37(1): 102-105.

[1]	邱宇东, 王湛, 谢志燊. 基于混合算法的半刚性连接钢框架结构优化[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 72-77.
[2]	翁剑成, 王茂林, 林鹏飞, 等. 基于客流特征鉴别的公交跨线组合调度优化方法[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 39-48.
[3]	秦雅琴, 钱正富, 谢济铭, 等. 基于社会力的交织区突发瓶颈段协同换道决策模型[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 66-75.
[4]	郑亚晶, 李耀辉, 靳文舟. 考虑换乘客流的城市轨道交通网络末班车衔接优化研究[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 32-39,72.
[5]	夏琴香, 李凯, 马骏, 等. 基于遗传算法的模具电极调度问题求解[J]. 华南理工大学学报(自然科学版), 2022, 50(3): 80-87.
[6]	周中, 邓卓湘, 陈云, 等. 基于GA-BP神经网络的泡沫轻质土强度预测[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 125-132.
[7]	刘璇, 王子航, 张桐瑞, 等. 港口重载AGV横向稳定的优化控制策略[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 113-121.
[8]	李静王晨张家旭. 基于UniTire轮胎模型的汽车行驶速度估计[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 47-55.
[9]	罗玉涛, 周天阳, 许晓通. 基于遗传算法的四轮转向－驱动汽车时变 LQR 控制[J]. 华南理工大学学报（自然科学版）, 2021, 49(3): 114-122.
[10]	晋刚何志豪王英俊. 基于遗传算法的5G频率选择表面形状优化方法[J]. 华南理工大学学报（自然科学版）, 2021, 49(11): 95-105.
[11]	李家乐刘真伯王雪菲. 智能电网下支持充放电策略的电动汽车配送路径优化[J]. 华南理工大学学报（自然科学版）, 2021, 49(10): 31-40.
[12]	靳文舟胡为洋邓嘉怡, 等. 基于混合算法的需求响应公交灵活调度模型 [J]. 华南理工大学学报（自然科学版）, 2021, 49(1): 123-133.
[13]	刘刚, 郭德明, 郑文成, 等. 基于轴向热路模型的架空地线与预绞丝接触端面接触电阻的计算[J]. 华南理工大学学报（自然科学版）, 2020, 48(7): 9-19.
[14]	马宏伟陈丰收. 基于粗粒度并行遗传算法的阻尼器优化布置[J]. 华南理工大学学报（自然科学版）, 2019, 47(11): 104-112.
[15]	张开升刘浩田王强张保成. 仿生鲔科机器鱼的多机体协同推进效率优化[J]. 华南理工大学学报（自然科学版）, 2018, 46(7): 109-115,122.