基于非支配排序的遗传规划的建模方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (29): 71-73.

基于非支配排序的遗传规划的建模方法

吴燕玲^1,2,卢建刚²

1.安徽大学自动化系,合肥 230039
2.浙江大学控制科学与工程系工业控制技术国家重点实验室,杭州 310027

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-11 发布日期:2007-10-11
通讯作者: 吴燕玲

Genetic programming based on non-dominated sorting

WU Yan-ling^1,2,LU Jian-gang²

1.Department of Automation,Anhui University,Hefei 230039,China
2.National Laboratory of Industrial Control Technology,Zhejiang University,Hangzhou 310027,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-11 Published:2007-10-11
Contact: WU Yan-ling

摘要/Abstract

摘要： 分析了利用遗传规划进行复杂非线性系统建模中存在的过学习问题,提出了一个基于插值函数保护法和多目标非支配排序优化方法的遗传规划建模方法。文章利用NSGA所提出的非支配排序的思想结合传统的遗传规划来实现对于模型的精确度、复杂度和曲率的平衡。同时改进了传统遗传规划所使用的函数保护策略进一步降低了过学习现象,得到具有较高泛化能力和简洁性的最优模型。实验结果证明了该方法的有效性。

关键词: 遗传规划（GP）, 非支配排序遗传算法, 泛化能力, 曲率

Abstract: Based on the analysis of the overfitting phenomenon in genetic programming,a new protected approach based on interpolation for some mathematical functions is proposed.To get more accuracy model without losing generalization,a regularization term based on the curvature of a nonlinear model,the complexity of a model and the training errors should be considered.However,their effects on the training process are difficult to decide and estimate.Generally,the degrees of these effects are decided by the experience or the knowledge of the data.Here,a method of non-dominated sorting is used in GP,and then their effects can be selected more impersonally.Experiments show the effect of the method.

Key words: Genetic Programming, NSGA, generalization, curvature

吴燕玲^1,2,卢建刚². 基于非支配排序的遗传规划的建模方法[J]. 计算机工程与应用, 2007, 43(29): 71-73.

WU Yan-ling^1,2,LU Jian-gang². Genetic programming based on non-dominated sorting[J]. Computer Engineering and Applications, 2007, 43(29): 71-73.

[1]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[2]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[3]	马耀名，陈艺琳，李万禹. 电力巡线无人机航拍图像匹配算法研究[J]. 计算机工程与应用, 2021, 57(21): 278-286.
[4]	范纯龙，何宇峰，王翼新. 大权值抑制策略用于训练卷积神经网络[J]. 计算机工程与应用, 2020, 56(2): 115-119.
[5]	赵云成，王琳，盛步云，赵飞宇. 综合曲率约束的在线网格模型分割方法研究[J]. 计算机工程与应用, 2020, 56(16): 176-182.
[6]	陈思琦，刘丽，陈秀秀，张龙，王天时. 基于孔洞填充的残缺三维模型检索[J]. 计算机工程与应用, 2020, 56(10): 185-192.
[7]	刘根1，蔡念1，2，肖盼1，2，林健发2. 基于光度立体和图像显著性的皮革缺陷检测[J]. 计算机工程与应用, 2019, 55(8): 215-219.
[8]	任慧. 考虑运输中断的可靠三级供应链网络设计[J]. 计算机工程与应用, 2019, 55(6): 265-270.
[9]	董骏峰，王祥，梁昌勇. 基于个体邻域的改进NSGA-II算法[J]. 计算机工程与应用, 2019, 55(5): 166-174.
[10]	易明雨，肖赤心，潘晖，舒文杰. 用于大数据分类的快速隐层优化分布式极限学习机[J]. 计算机工程与应用, 2019, 55(16): 165-169.
[11]	黄岩，李骞，范茵. 基于曲率值追踪的气象槽线自动分析算法[J]. 计算机工程与应用, 2019, 55(1): 226-232.
[12]	沈焕学1，2，郑凯1，2，刘垚1，2，王肃1，2，刘艳1，2，赵瑞祥1，2，周谦豪3. 申威众核处理器的并行NSGA-II算法[J]. 计算机工程与应用, 2018, 54(17): 35-40.
[13]	唐树祝，游鹏，闫大伟，雍少为. 基于改进NSGA2的临近空间通信网络优化设计[J]. 计算机工程与应用, 2018, 54(14): 203-210.
[14]	韦鹏宇1，2，4，潘福成1，2，3，李帅3. 改进人工蜂群优化BP神经网络的分类研究[J]. 计算机工程与应用, 2018, 54(10): 158-163.
[15]	曹洁1，2，赵修龙1，王进花2. 融合改进指尖点和Hu矩的手势识别[J]. 计算机工程与应用, 2017, 53(21): 138-143.