在科学研究和工程技术等方面,有大量的问题需要建立相应数学模型,来描述一个抽象系统的输入输出关系。要想对复杂系统的观测数据建立能够精确反映数据间内在规律的数学模型,用传统的人工建模方法是很难实现的。 演化建模是采用演化算法来搜索建立问题的最优模型的建模方法,对于给定的输入变量和输出变量,它可以自动挖掘建立二者之间的关系模型。因为它采用是种群的方式组织搜索,使得它可以同时搜索解空间的多个区域,因此演化算法非常适合大规模并行计算。 演化建模的常用算法为遗传程序设计(Genetic Programming, GP),基因表达式程序设计(Gene Expression Programming, GEP)是 GP的一个分支,多表达式编程(Multi-Expression Programming,MEP)是遗传程序设计领域近年来的又一新成果。MEP具有较高的搜索挖掘能力,与其他遗传程序设计相比,MEP表现出了更强的建模能力,因此,应用MEP算法解决演化建模问题是非常有益的尝试。 本文研究了多表达式程序设计及其在演化建模上的应用。首先,分析了演化建模问题,介绍了从非线性 GP(树形 GP)到线性 GP(一般线性 GP、GEP、MEP)的发展过程,重点阐述了基本MEP算法的基本理论和实现技术,包括MEP的编码方式、适应度函数、遗传算子和算法结构等;然后,研究了用基本 MEP算法进行演化建模的基本原理,并通过建模实例验证了基本 MEP算法在演化建模上的可行性;最后,针对基本MEP算法的拟合度、精确度不高等不足之处对基本MEP算法作了改进,引入了小生境技术,并通过建模实例验证了改进MEP算法的有效性和可行性。
NETL
