基于差分进化基因表达式编程的全局函数优化

被引:6
作者
李太勇 [1 ,2 ,3 ]
唐常杰 [2 ]
吴江 [1 ]
邱江涛 [1 ]
机构
[1] 西南财经大学经济信息工程学院
[2] 四川大学计算机学院
[3] 西南财经大学中国支付体系研究中心
关键词
遗传算法; 基因表达式编程; 差分进化; 函数优化;
D O I
暂无
中图分类号
TP311.11 [];
学科分类号
摘要
为了提高基因表达式编程(Gene Expression Programming,GEP)在函数优化时的效率,将差分进化(Differ-ential Evolution,DE)引入到GEP中,提出了基于差分进化的基因表达式编程的全局优化算法DEGEPO。主要工作包括:(1)针对全局函数优化问题,根据GEP和DE的特点设计了新的基因编码;(2)设计了新的变异和交叉算子;(3)提出了DEGEPO算法并进行了算法分析;(4)实验验证了算法的有效性。相对于传统GEP,DEGEPO,优化结果精度平均提高了2~4个数量级。
引用
收藏
页码:140 / 142+172 +172
页数:4
相关论文
共 6 条
[1]   解全局优化问题的差分进化策略 [J].
潘长城 ;
徐晨 ;
李国 .
深圳大学学报(理工版), 2008, (02) :211-215
[2]   用于约束多目标优化问题的双群体差分进化算法 [J].
孟红云 ;
张小华 ;
刘三阳 .
计算机学报, 2008, (02) :228-235
[3]   基于基因表达式编程的知识发现的三项新技术——转基因,重叠基因表达和回溯进化 [J].
唐常杰 ;
彭京 ;
张欢 ;
钟义啸 .
计算机应用, 2005, (09) :1978-1981
[4]  
智能优化算法及其应用[M]. 清华大学出版社 , 王凌著, 2001
[5]   Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].
Storn, R ;
Price, K .
JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359
[6]  
Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence. C. Ferreira. Springer . 2006